estudio climático de la precipitación del brasil meridional … · 2018-07-13 · figura 5 -...
TRANSCRIPT
Di r ecci ó n:Di r ecci ó n: Biblioteca Central Dr. Luis F. Leloir, Facultad de Ciencias Exactas y Naturales, Universidad de Buenos Aires. Intendente Güiraldes 2160 - C1428EGA - Tel. (++54 +11) 4789-9293
Co nta cto :Co nta cto : [email protected]
Tesis de Posgrado
Estudio climático de la precipitaciónEstudio climático de la precipitacióndel Brasil Meridional asociado condel Brasil Meridional asociado con
fenómeno extrarregionalesfenómeno extrarregionales
Nery, Jonas Teixeira
1996
Tesis presentada para obtener el grado de Doctor en Cienciasde la Atmósfera de la Universidad de Buenos Aires
Este documento forma parte de la colección de tesis doctorales y de maestría de la BibliotecaCentral Dr. Luis Federico Leloir, disponible en digital.bl.fcen.uba.ar. Su utilización debe seracompañada por la cita bibliográfica con reconocimiento de la fuente.
This document is part of the doctoral theses collection of the Central Library Dr. Luis FedericoLeloir, available in digital.bl.fcen.uba.ar. It should be used accompanied by the correspondingcitation acknowledging the source.
Cita tipo APA:
Nery, Jonas Teixeira. (1996). Estudio climático de la precipitación del Brasil Meridionalasociado con fenómeno extrarregionales. Facultad de Ciencias Exactas y Naturales.Universidad de Buenos Aires.http://digital.bl.fcen.uba.ar/Download/Tesis/Tesis_2836_Nery.pdfCita tipo Chicago:
Nery, Jonas Teixeira. "Estudio climático de la precipitación del Brasil Meridional asociado confenómeno extrarregionales". Tesis de Doctor. Facultad de Ciencias Exactas y Naturales.Universidad de Buenos Aires. 1996.http://digital.bl.fcen.uba.ar/Download/Tesis/Tesis_2836_Nery.pdf
000......00OOÓOOOOOOOÓÓOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOÍ
UNIVERSIDAD DE BUENOS AIRES
FACULTAD DE CIENCIAS EXACTAS Y NATURALES
DEPARTAMENTO DE CIENCIAS DE LAATMÓSFERA
ESTUDIO CLIMÁTICO DE LA PRECIPITACIÓN DEL BRASIL MERIDIONAL
ASOCIADO CON FENÓMENO EXTRARREGIONALES
Jonas Teixeira Nery
Tesis presentada para optar al título de Doctor en Ciencias de Ia Atmósfera
1996
Director de Tesis: Dr. Walter M. Vargas
f
ESTUDIO CLIMÁTICO DE LA PRECIPITACIÓN DEL BRASIL MERIDIONALASOCIADO CON FENOMENOS EXTRARREGIONALES
Jonas Tcixcra Nery
Palabras claves: Lluvia, región, clima, variabilidad, ENSO
RESUMEN
Fluctuaciones en escala estacional e interanual de Ia precipitación en
Brasil Meridionalcorrespondientes a los Estados de San Pablo, Paraná. Santa
Catarina y Rio Grande del Sur fueron estudiadas, utilizando datos del DAEE yDNAEE.
El periodo utilizado fue de 1948-1988 para el estudio estacional y en la
escala interanual se utilizó el mayor periodo posible para cada Estado. San
Pablo por ejemplo, fue estudiada teniendo en cuenta el periodo de 1940 a 1988.
En la escala estacional se buscó tipificar la precipitación en cada
provincia y entender la variabilidad de Ia misma en el periodo de verano (6
meses) e invierno (6 meses), utilizando distintos parámteros estadísticos. Se
busco filtrar los procesos determinlsticos. como por ejemplo. Ia onda anual muy
marcada en San Pablo y en la costa de Paraná y Santa Catarina. A través del
análisis armónico se elegi el mejor filtro para obtener una serie donde otros
procesos no conocidos estuviesen presentes. Se realizó el estudio de
persistencia a través de la función de autocorrelación.
En la escal interanual. se estudió la relación de la precipitación en San
Pablo, Paraná, Santa Catarina, Rio Grande del sur. Sur do Brasil y Brasil
Meridional, con la Oscilación Sur (OS). Los resultados mostraron que
virtualmente todas las fluctuaciones interanuales más significativas en la
precipitación en el área de estudio estuvieron asociadas con las fases extremas
de la OS. La caracteristica más importante en la manisfestación de la OS fue la
persistencia de anomalías débiles y moderadas por varios meses. Aunque la
señal de Oscilación Sur resultó estadisticamente significante. se verificó que
una unica rase de Ia os. sea posmva o negativa. puede resultar tanto en
precipitación sobre o abajo lo normal.
CLIMATE STUDY OF THE PRECIPITATION OVER SOUTHERN BRAZILRELATED TO EXTRAREGIONAL PHENOMENA
Jonas Teixcra Nery
Rey Words:Rain, region, climate, variability, ENSO
ABSTRACT
The interanual, seasonal fluctuations of precipitation in the Meridional
Brazil (S. Paulo, Paraná, Santa Catarina and Rio Grande do Sul) were
analysed. The meteorological data were collected at 127 station by
Departamento Nacional de Agua e Energia Elétrica. DNAEE.
These data. comprising the years 1948 to 1988. of the seasonal study
and interanual scale is the long record posible of each State. Sáo Paulo. for
example were studied in the years 1940 to 1988.
The seasonal scale were studied to classify the precipitation in each State
and to understand the winter (six months) and summer (six months) variabilities.
We have used different statistical mefliods, such as mean. correlation. standard
deviation.
Several filters were used to obtain the series without annual wave.
Through Fourier transform we have chosen the best filter to get a series with
other unknown process. In these new series, the persistence was studied with
the autocorrelation function.
The interanual fluctuatiens were studied through the relation of the
precipitation in Sáo Paulo, Paraná, Santa Catarina, Rio Grande do Sul. South of
Brazil and Meridional Brazil with South Oscilation (SO). Virtually all significant
variations were associaed with extreme phases of the SO. lt has also been
verified that the most important caracterisfic of the SO effect is the persistence of
weak precipitation anomalies for several months.
Although statisticaly significant the SO signal can be associated witheither above or below normal precipitation.
A: Maíra L. Nery
AGRADECIMENTOS
Agradezco al Dr. Walter M. Vargas por Ia confianza que depositó en mi, desde
mis primeros años en la investigación.
AI Departamento Nacional de Agua y Energia Eletrica por proveer Ia información
meteorológica de Paraná, Santa Catarina y R. G. del Sur para Ia realización de este
trabajo.
Al Departamento de Agua y Energia, de San Pablo, por proveer Ia información
meteorológica necesaria para Ia realización de este trabajo.
Al investigador Shigetoshi Sugahara por sus sugerencias y comentarios en Ia
discusión de resultados.
A la tecnica Maria de Lourdes O. F. Martins por sus sugerencias, comentarios y
dedicación en las discusión de los resultados.
A los amigos del Departamento de Ciencias de Ia Atmósfera y al amigos del
CIMApor sus compañerismo y valiosa ayuda, especialmente en los años que realicé
este trabajo fuera de mi país.
AIConsejo Nacional de Investigaciones, de Brasil.
RESUMEN
FIuctuaciones en escala estacional e interanual de la precipitación en
Brasil Meridionalcorrespondientes a los Estados de San Pablo, Paraná. Santa Catarina
y Rio Grande del Sur fueron estudiadas, utilizando datos del DAEE y DNAEE.
El período utilizado fue de 1948-1988 para el estudio estacional y en la
escala interanual se utilizóel mayor período posible para cada Estado. San Pablo por
ejemplo. fue estudiada teniendo en cuenta el período de 1940 a 1948.
En la escala estacional se buscó tipificar Ia precipitación en cada província
y entender la variabilidad de la misma en el período de verano (6 meses) e invierno (6
meses), utilizando distintos parámetros estadísticos. Se buscó filtrar los procesos
deterministicos, como por ejemplo, Ia onda anual muy marcada en San Pablo y en la
costa de Paraná y Santa Catarina. A través del análisis armónico se elegi el mejor filtro
para obtener una serie donde otros procesos no conocidos estuviesen presentes. Se
realizó el estudio de persistencia a través de la autocorrelación.
En la escala interanual, se estudió la relación de la precipitación en San
Pablo, Paraná, Santa Catarina, Rio Grande del Sur, Sur de Brasil y Brasil Meridional,
con la Oscilación Sur (OS). Los resultados mostraron que virtualmente todas las
fluctuaciones interanuales más significativas en la precipitación en el área de estudio
estuvieron asociadas con las fases extremas de Ia OS. La caracteristica más importante
en la manifestación de la OS fue la persistencia de anomalías débiles y moderadas por
varios meses. Aunque la señal de Oscilación Sur resultó estadísticamente significante,
se verificóque una única fase de Ia OS, sea positiva o negativa, puede resultar tanto en
precipitación sobre o abajo lo normal.
LISTAS DE INDICES
AENOS - Anti El Niño - Oscilación Sur
ANOVA- Análisis de Varianza
C¡n - Coeficiente de Ia Función Temporal Asociada a la Ei
CPTEC - Centro de Prognóstico
DAEE - Departamento de Agua y Energia Elétrica
DCRH/CAEEB - Directorio Central de Recursos Hídricos
E - Este
e¡ - i-ésimo autovector
ENOS - EI Niño - Oscilación Sur
EOF - Función Ortogonal Empírica
F (v1, v2)- Distribución de la probabilidad de Fisher-Snedecor
INPE- lnsituto Nacional de Pesquisas Espaciales
lOS - lndice de Oscilación Sur
NE - Nordeste
NO - Noroeste
OS - Oscilación Sur
PNM - Presion del Nivel del Mar
PROHD - Programa de Homogenización de los Datos
ROL - Radiación de Onda Larga Emitida para el Espacio
RV- Razón de Varianza
TSM - Temperatura de la Superficie del Mar
Vi- Varianza Temporal
Vs - Varianza Espacial
ZCAS - Zona de Convergencia del Atlántico Sur
ZCIT - Zona de Convergencia lntertropical
p - Promedio de los Datos de Precipitaciones
o - Desvío Standar de los Datos de Precipitaciones
LISTAS DE LAS FIGURAS
FIGURA 1 - Distribuciónespacial de las estaciones utilizadas en este trabajo.FIGURA 2 - lsolíneas de las altitudes de las estaciones del Brasil Meridional.
FIGURA 3 - 3A) Patrón espacial de Ia primera componente de EOF’s deanomalias mensuales de precipitaciones (filtradas por el promediomóvel triangular de 12 meses, explicando 29.15% de Ia varianzatotal). Tanaka et alii (1988).3B) Coeficientes temporales asociados al patrón de Ia figura 3A.
FIGURA 4 - Promedio de Ia precipitación. período 1948-1988. para el BrasilMeridional. lsolíneas hechas envolucrando todas las 127estaciones
FIGURA 5 - lsolíneas del desvio estandar de las precipitaciones del BrasilMeridional, para el período 1948-1988.
FIGURAS 6 y 7 - Análisis multivariado (cluster) para hacer Ia clasificación de lasestaciones de precipitación de S. Pablo, Paraná, S. Catarina yR.G.de| Sur.
FIGURA8 - Gráficos del promedio e del desvio estandar de las series originalesde San Pablo y Paraná.
FIGURA9 - Gráficos del promedio y desvio estandar de las series originales deS.Catarina y R.G. del Sur.
FIGURA 10 - Gráficos del modqu de (XM-Í”) de las precipitaciones de S.Pablo y Paraná.
FIGURA 11- Gráficos del modulo de (X(I)—Ï) de las precipitaciones deS.Catarina y R.G. del Sur.
FIGURA12 - Gráficos del modqu de (X(I)/Ï)-l de las precipitaciones de S.Pablo y Paraná.
FIGURA13 - Gráficos del modulo de (X(I)/Ï)-1 de las precipitaciones de S.Catarina y R.G. del Sur.
FIGURA14 - Gráficos del modqu de (X(I)—Ï)/ 0' de las precipitaciones de S.Pablo y Paraná
FIGURA15 - Gráficos del modqu de (X(I)—Ï)/ 0' de las precipitaciones de S.Catarina y RG. del Sur.
FIGURA 16 - Correlograma de las series originales de precipitaciones de S.Pablo y Paraná.
FIGURA 17 - Correlograma de las series originales de precipitaciones de S.Catarina y R.G. del Sur.
FIGURA 18 - Correlograma del modulo de (X(I)—Ï)/a de las series deprecipita- ciones de S. Pablo y Paraná.
FIGURA 19 - Correlograma del modulo de (X(l)—Ï)/a de las series deprecipita- ciones de S. Catarina y R.G. del Sur.
FIGURA 20 - Análisis espectral de las series originales de precipitaciones deSan Pablo y Paraná.
FIGURA21 - Análisis espectral de las series originales de precipitaciones de S.Catarina y R.G. del Sur.
FIGURA22 - Análisis espectral del modulo de (X(l)-Ï)/ a de las series deprecipitaciones de S. Pablo y Paraná.
FIGURA23 - Análisis espectral del modulo de (X(1)—Ï)/a de las series deprecipitaciones de S. Catarina y R.G. del Sur.
FIGURA 24 - Correlación en función de las distancias de las estaciones delBrasil Meridional.
FIGURA 25 - Correlación en función de las distancias para cada provincia delBrasil Meridional, período de invierno (06 meses) y verano (06meses).
FIGURA 26 - Indices estandarizados de las precipitaciones de S. Pablo,Paraná. S. Catarina, R. G. del Sur, Sur de Brasil y BrasilMeridional.
FIGURA27 - Indices obtenidos a traves del EOF's (factor scores), para cadaprovincia y para el Sur de Brasil y Brasil Meridional.
FIGURA28 - Índices obtenidos a traves de EOF’s para cada región clasificadapor el metodo de Análisis de Agrupamento (cluster).
FIGURA29 - Graficos correspondiente a las composiciones relativas a los añosde El Niño, para cada provincia del Brasil Meridional.
FIGURA30 - Composiciones de TSM para cuatro areas “claves” de ENOS(Niño 1, Niño 2, Niño 3 y Niño 4).
LISTAS DE GRAFICOS DE LOS ANEXOS
FIGURA31 - Dendograma de las provincias de San Pablo y Paraná.
FIGURA32 - Dendograma de las provincias de S. Catarina y R. G. del Sur.
FIGURA 33 - Estructura de la precipitación total mensual del período 1948 1988, del Brasil Meridional.
FIGURA34 - Estructura del desvio estandar de la precipitacióntotal mensual delperíodo 1948 4988, del Brasil Meridional.
FIGURA 35 - Coeficiente de variación para distintas estaciones del BrasilMeridional.
FIGURA 36 - Estructura de la asimetria para distintas estaciones del BrasilMeridional.
FIGURA 37- Análisis armónico de las series originales de precipitaciones deSan Pablo y Paraná.
FIGURA 38 - Análisis armonico de las series originales de precipitaciones deSanta Catarina y Rio Grande del Sur.
FIGURA39 - Distribución espacial de los armonicos representativos de la ondaanual. Los numeros entre parentesis representan la varianza
explicada del armonico de Ia onda anual para las provincias deSan Pablo y Paraná.
FIGURA40 - Distribución espacial de los armonicos representativos de la ondaanual. Los numeros entre parentesis representan Ia varianzaexplicada del armonico de la onda anual para las provincias deSanta Catarina y Rio Grande del Sur.
FIGURA41- Índice estandarizado de la precipitación para la provincia de SanPablo, mes a mes.
FIGURA 42 - Índice estandarizado de la precipitación para la provincia deParaná, mes a mes.
FIGURA43 -lndice estandarizado de la precipitación para la provincia de SantaCatarina. mes a mes.
FIGURA 44 - Índice estandarizado de precipitación para la provincia de RioGrande del Sur, mes a mes.
FlGURA45 - Índice estandarizado de la precipitación para el Sur de Brasil, mesa mes.
LISTA DE TABLAS
Tabla 1- Tabla de las estaciones utilizadas con sus respectivas latitudes,longitudes, altitudes y períodos correspondientes a cada una deellas.
Tabla 2 - Cálcqu del promedio, mediana, cuartil minimo, cuartil maximo,asimetría y curtosis.
Tabla 3 - Promedio del numero de dias con lluvias (precipitación por encimade 1 mm), promedio de lluvias y cantidades de precipitaciones(PP/DD), para un conjunto de estaciones del Brasil Meridional.
Tabla 4 - Para el armónico 41 (onda anual) los valores en porcentaje para laserie original y para cada filtro utilizado.
Tabla 5 - tablas del porcentaje de todos los meses para algunas estaciones ylas combinaciones de tres meses: período seco (mayo/julio) yperíodo húmedo (diciembre/febrero); combinación de seis meses:período seco (abril/septiembre), período húmedo (octubre/marzo).Además se calculó el porcentaje de períodos de tres mesesconsecutivos.
Tabla 6 - Estudio de las precipitaciones para cada año en relación a Ia mediaclimatológica para cada período, en cada provincia (Anexo VIl).
Tabla 7 - Índice de anomalías estandarizadas de precipitación mensual paracada provincia.
Tabla 8 - Variación temporal y espacial de las estaciones del Brasil Meridional.
Tabla 9 - Desvios de la precipitación estandarizadas de las provincias del Surde Brasil, para los episodios frios de la Oscilación Sur.
Tabla 10 - Casos de ENOS considerados en las composiciones del índice deprecipitaciones mensuales.
OOOOHOOOOOOOOOQOOOOOOOOOOCOOOOOOOOOCOOOOOÓOOO’QOOOOOOOOC
INDICE
ABSTRACT
RESUMEN
AGRADECIMIENTOS
LISTAS DE INDICES
INDICE
INTRODUCCION
1) DATOS Y ASPECTOS METODOLOGICOS
1.1 - Relleno de Series Incompletas1.1.1 - Valores Puntuales
1.2 - Homogenización de las Series Elejidas2) CARACTERISTICA CLIMATICAY GEOGRAFICA DE LA REGION
2.1 - Región Sureste
2.2 - Región Sur3) VARIACION INTERANUAL: RELACION CON LA OS
4) ASPECTOS METODOLOGICOS4.1 - Estudio de la Tendencia
4.2 - Programa de Homogenización de los Datos4.2.1 - Descripción de los Datos de Entrada4.3 - Análisis Estadístico4.4 - Análisis de Varianza
4.5 - Análisis Multivariado
4.5.1 - Distancia Eulideana
4.5.2. - Análisis Tipológico
4.5.3 - Determinación del Numero de Grupos4.6 - Función de Autocorrelación
4.7 - Análisis Espectral
4.8 - Series Temporales de Indices de Precipitaciones5) DISCUSIÓN DE LOS RESULTADOS5.1 - Consistencia de los Datos
5.2 - Estudio de la Tendencia
5.3 - Campos Medios de Precipitaciones
5.4 - Estadistica Descriptiva
5.5 - Meses más Lluviosos y más Secos5.6 - Estudio de Variabilidad lnteranual
5.6.1 - Estudio del Indice de Anomalias de Ia Precipitación5.6.2 - Indice de Precipitación Mensual Centradas en Años de EI Niño
01
08
09
09
10
12
13
14
15
17
17
18
18
19
19
20
21
21
23
24
25
27
30
30
31
31
32
41
42
43
47
5.6.3 - Composición en Relación a Episodios Fríos 49
6) CONCLUSIONES 50TABLAS 53
MAPAS 59
BIBLIOGRAFIA 61
MAPAS 68
GRAFICOS 75
ANEXOS 97
Anexos l - Datos de precipitación de DAEE SP y DNAEE PR, SC, RS 98Anexos lI - Análisis Armonicas de Ia Serie 101
Anexos III- Cálculos del promedio, mediana, minimos, maximos, cuartiles
inferior. cuartiles superior. desvio estandar. asimetría. curtosis. coeficientede variación. 108
Anexo IVPropiedades Básicas de las Series. 109Anexo V - Estudio de las precipitaciones para cada año en relación a la
media climatológica para cada período. en cada provincia 116
Anexo VI - Indices de anomalías, anuales, de precipitaciones 117
Anexo Vll - Indices de anomalías, mensual, de precipitaciones 121
Anexo Vlll - Dendogramas de las precipitaciones de cada provincia 127
Anexo IX- Porcentaje de precipitación en relación ao promedio delperíodo 129
lNTRODUCClÓN
Algunos casos de anomalías de precipitación en el sur de Brasil están
ligados a fenómenos externos específicos. Por lo tanto es muy importante el estudio de
la circulación de Ia atmósfera, en esos casos. para mejorar el entendimiento de los
procesos que interactúan en esta región. Según diversos estudios. Kousky et al. (1984),
las anomalías de precipitación en Brasil están asociadas al fenómeno Oscilación Sur
El Niño.
Kousky y Cavalcanti (1984), concluyeron que. durante el período de El
Niño de 1982 - 1983 (fase negativa de la Oscilación del Sur). una corriente en chorro
subtropical bien marcada sobre la América del Sur y al este del Océano Pacífico Sur
juntamente con varias situaciones de bloqueo en latitudes medias favorecieron el
ingreso de sistemas frontales activos en el Sur de Brasil. Esto explica la excesiva
precipitaciónobservada en esta región, en ese período.
También Rao y Hada (1988), mostraron que la variabilidad de las lluvias
en el extremo sur de Brasil es significativa y que algunas anomalías globales en el
comportamiento atmosférico pueden influiren el campo de precipitación de esta región.
En casos de sequía en el sur de Brasil existen algunas indicaciones de
que las anomalías de precipitación están ligadas a anomalías de nubosidad y del flujo
en nivel global. Casarin (1982) estudió una situación de circulación atmosférica anómala
que ocurrió en enero de 1979 sobre América del Sur. En este evento pudo observarse
una circulación anticiclónica persistente sobre el Océano Pacifico Sur y al mismo tiempo
ocurrió una bifurcación del flujo en la troposfera asociada a una cuña centrada
aproximadamente en 135° W. En la parte este de Ia cuña localizada sobre la América
del Sur hubo una subsidencia que provocó sequía en esta región de estudio.
En el Atlántico, el efecto de la corriente marina de Brasil hace que la
temperatura de agua sea mayor que en el Pacífico, Io que afecta el índice de
evaporación y la advección sobre la región de estudio.
Los centros de presión que influyen sobre el desarrollo del tiempo. en
escala continental, son los anticiclones subtropicales del Pacífico y del Atlántico, con
posiciones medias alrededor de los 30° S y, también, el centro de baja presión
denominado baja térmica del NO que se forma al este de los Andes.
Los frentes fríos son las causas principales de las precipitaciones en el sur
de Brasil, Hoffmann (1975). La travesía de los frentes fríos hacia el norte, se acelera
por efecto de la cordillera de los Andes. Junto con el avance del frente polar se
producen procesos en los niveles altos de la atmósfera tales corno vaguadas y ciclones,
los que dirigen las acciones frontales principalmente sobre el tipo de nubosidad y
precipitaciones. En primavera y verano se desarrollan. dentro de la masa de aire
caliente, líneas de inestabilidad o de turbonadas que son franjas de nubosidad
convectivas de gran alcance vertical que producen tormentas elétricas, Quinteros
(1987).
Se nota que 1982 - 1983, fue un período de extremos climáticos muy
marcados en todo el mundo. Estas anomalías del clima dieron una imagen dramática de
la interacción del clima con la sociedad. Otras fluctuaciones no son tan globales, pero
generan problemas sociales que necesitan de una vigilancia del clima en los diferentes
estratos de la sociedad, Vargas et al. (1987).
Además del efecto de la precipitación hay evidencias de otras
manifestaciones de la Oscilación Sur (OS) sobre las regiones del Brasil. Por ejemplo, el
Instituto Brasileiro do Café publicó en sus boletines ocurrencias de heladas fuertes en
1957, 1965, 1966. 1969, 1972 y 1975 y heladas débiles en 1962, 1963 y 1964. Es
importante observar que esas heladas. excepto las de 1962 y 1964, ocurrieron en los
inviernos, en el hemisferio sur, en los cuales las anomalías de las TSM en la costa del
Perú y Ecuador, eran positivas, Hamilton et al. (1978).
El estudio de extremos tiene. en primera instancia. una importancia que
podríamos llamar estrictamente meteorológica, ya que es una propiedad de las series.
que debe ser estudiada para una mejor evaluación del comportamiento general de Ia
atmósfera. Nobre et al. (1990), presentaron un nuevo análisis de la distribución de
precipitación en la parte oeste y central de América del Sur Tropical, relacionando la
variabilidad espacial y temporal, observadas con aspectos dinámicos de la circulación
atmosférica.
En general, son concebibles en Climatologíaalgunos procesos separables
en escalas. En rigor, esto es una aproximación, pues Ia atmósfera constituye un sistema
indivisible sobre la superficie del globo. Por ello, aunque no se pruebe, es posible
imaginar que existen procesos climáticos de gran escala geográficos que esté
conectados.
La precipitación es una variable meteorológica muy compleja, por su
variabilidad temporal y espacial, de origen natural o antropogénico. En el sur de Brasil
se puede verificar claramente tal complejidad, debido a diversos efectos de escala
sinóptica y de mesoescala, además de una costa maritima muy extensa. Otro aspecto
importante es que el área de estudio comienza en la latitud de 20° (subtropical) y
termina en 30° (latitud media). aproximadamente.
Esto persigue, entre otras cosas, la concreción de ajustar series
suficientemente extensas, homogéneas, con niveles de garantía mínimas en cada una
de las estaciones y estimar las formas de las distribuciones de precipitación en cada
uno de los puntos de Ia red. Independiente de la metodología empleada, es fundamental
estudiar "a pn'on" las condiciones de los datos utilizables, en función, principalmente de
Ia historia de Ia estación, de su calidad y de su representatividad espacial.
El régimen de precipitación de la región de interés ha sido poco estudiado,
salvo los campos medios anuales y mensuales presentados por Hoffmann (1975) y por
Nimer (1979). Asimismo, son prácticamente inexistentes los análisis sobre los errores,
aunque se considera que en las referencias anteriores están incluidos para las
estaciones que allí se usaron. Por lo tanto, los resultados obtenidos por los citados
autores, son las referencias válidas del estado medio de las precipitaciones. Partiendo
de allí el estudio pluviométrico,que es interés primordialen esta tesis, debe abarcar una
exhaustiva representación estadística.
El llamado Brasil Meridional está constituido por las provincias:
1) San Pablo. con superficie de 247.898 Km2, representando 2.91% del
total de la superficie brasileña. Localizado en la región sudeste, latitud: en el extremo
norte de - 19° 46' 30"S extremo sur -25° 16' 06" S; longitud: extremo este -44° 09' 24";
extremo O -53° 08' 54". La provincia representa cinco unidades morfológicas distintas:
a) la planicie costera, que es una estrecha faja constituida de terrenos sedimentares; b)
la Sierra del Mar, es una área accidentada que se extiende paralela a la costa; c) el
planalto cristalino, que comienza en el oeste de la Sierra del Mar, a 1000m de altitud; al
norte se yergue la Sierra de la Mantiqueira; d) a seguir surge un valle periférico, con
relieve ondulado y altitud alrededor de 800m y; e) el planalto occidental, cubre 50% del
área de la provincia.
La cuenca del río Paraná es la más importante, tanto en área como en
potencial hidráulico. Predomina el clima tropical, que comprende la mayor parte de la
provincia, con temperaturas medias anuales de 18° a 20° C y pluviometría oscilando
entre 1000 y 1500mm.
2) Paraná, con una superficie de 199554sz representando 2.34% del
total del territorio brasileño. Ubicada en la región sur entre las latitudes de - 22° 29' 30"
S en el extremo norte y - 26° 42' 59" S en el extremo sur. Longitudes de - 48° 02' 24"
extremo este y - 54° 37' 38" extremo oeste. La provincia del Paraná es formada por
planaltos, una bajada costera y las sierras del Mar y Geral. La bajada comprende
planicies aluviales y formaciones arenosas que se fragmentan formando la cuenca del
Paranaguá. En Ia costa Ia Sierra del Mar forma macizos aislados donde surge el
altiplano cristalino. El altiplano basáltico es el más grande de la provincia, haciendo
límite con la Sierra Geral y el río Paraná. en la localidad de Siete Quedas. El clima en
distintas regiones de esta provincia, varia con lluvias bien distribuidas, veranos calientes
y temperaturas anuales de 19° C y 1500 mm el índice pluviométrico. Casi toda la
provinciaestá sujeta a heladas anuales y a nieve esporádicamente.
3) Santa Catarina con 95.985 Km2 de área, representa el 1.13% del total
de superficie brasileña. Está localizada en la región sur. Su latitud en el extremo norte
es de - 25° 57' 33" S y en el extremo sur -29° 21' 48" S. Su longitud es de - 48° 62' 33"
en el extremo este y en el extremo oeste de - 53° 50' 00" . El 70% de su territorio está
sobre los 300m sobre el nivel del mar, siendo la topografía brasileña más irregular. La
costa está formada por valles costeros y en el interior hay muchos valles de ríos que
bajan de la Sierra del Mar. Su relieve es en gran parte de planalto basáltico que forman
canales de basalto haciendo límite a este con la Sierra Geral. Su clima es subtropical
húmedo en los veranos calientes y con temperatura media anual de 20°C y con una
pluviometría de 1500mm anuales. En los veranos apacibles el clima subtropical registra
temperaturas anuales de 16 a 18°C, siendo su invierno, riguroso. En algunas regiones
de la provincia la media de heladas es de 25 días al año.
4) Río Grande del Sur con un área de 282184sz representa el 3.32%
del territorio brasileño, localizada en el extremos sur de la región sur. En el extremo
norte - 27° 03' 42" S y - 33° 45' 09" S en el extremos sur de latitud; con una longitud de
49° 42’ 41" al extremo este y - 57° 40' 57" al extremo oeste. El relieve de la provincia del
extremo sur está formado por terrenos arenosos, con depresiones. donde se
encuentran las grandes lagunas de Patos y Mirim.Al norte se localiza el planalto arenito
- basáltico. con altitud media de 1200m. La planicie central está formada por suelos de
la época paleozoica y no sobrepasa la altitud de 100m sobre el nivel del mar. Los ríos
de Río Grande del Sur pertenecen a la cuenca del Uruguay, que es el principal río de la
provincia. El clima es subtropical con veranos calientes e inviernos fríos, característico
de casi toda la provincia. La temperatura media es 18°C y las lluvias son de 1500mm
anuales. En las regiones más elevadas domina un clima subtropical con veranos
templados e inviernos rigurosos, con una temperatura media de 16°C y un indice
pluviométrico de 1300mm anuales. Las heladas ocurren en prácticamente toda la
provincia y las nevazones son fuerte en el altiplano.
1) IMPACTO ECONÓMICO DEL CLIMA REGIONAL
La región sur de Brasil y San Pablo, aquí denominado Brasil Meridional,
tienen una economia dependiente de la agricultura y, el desarrollo de ésta, se da en el
período de verano. Es bien sabido que existe un estrecho vínculo entre Ia producción
agrícola y las condiciones del tiempo que ocurren durante el ciclo de una determinada
especie. También son conocidos los efectos altamente dañinos provocados por las
anomalías de precipitación que ocurren en las regiones productores de alimentos. Estos
efectos se traducen, muchas veces, en la pérdida casi total de la producción de una
determinada región, provocando déficit de alimentos.
En 1993, la economía de Paraná, tuvo un perjuicio de 153 millones de
dólares, debido a causas meteorológicas. (Departamento de Economía Rural, DERAL,
de la Secretaría de Agricultura). Aunque debido a otro fenómeno meteorológico, la
helada fue la responsable por esta pérdida, es importante observar Ia necesidad de
conocer los fenómenos atmosféricos y poder pronosticarlos.
Las pérdidas económicas ocasionadas por fluctuaciones del clima en el
sur de Brasil, por ejemplo en 1982 - 1983. son considerables. San Pablo es la provincia
de Brasil responsable por el 65% de la producción nacional. Tiene un parque industrial
de 115 mil industrias, consume más de la mitad de la energía generada en el pais. Es,
también. el principal productor agrícola. Esta región sufre mucho con las oscilaciones
del clima. En caso de sequía. se notan grandes problemas sociales además de
problemas energéticos y de pérdidas en la producción agrícola. La provincia de Paraná
es otra productora de granos que es afectada por los extremos climáticos. En 1982
1983. por las lluvias excesivas, tuvo pérdidas en diversos cultivos. como se infiere de la
tabla siguiente:
(Toneladas) (Millones USS)
Santa Catarina, también en el mismo período, tuvo pérdidas muy
importantes, provocadas por la excesiva lluvia. En la producción de arroz, papas,
habas, manzanas. maíz y soja, las pérdidas llegaron a 36.5% del total.
La precipitación de Ia provincia de San Pablo fue analizada por muchos
autores. Monteiro (1969) y Tarifa (1975) mostraron la importancia de los sistemas
frontales como mecanismos importantes de precipitación en el área de esta provincia.
Vicentin y Tarifa (1984) y Gomes y Massambani (1984) trabajaron en las condiciones
sinópticas asociadas a las lluvias intensas. Scolar et al.(1983), Lima (1989) y Silva Dias
et al. (1986) estudiaron los sistemas convectivos de mesoescala y sus relaciones con
las condiciones sinópticas.
OBJETIVOS
El presente estudio tuvo el propósito básico de investigar las
precipitaciones del Brasil Meridional y sus fluctuaciones. en escalas temporales
variando desde oscilaciones interanuales hasta fenómenos intraestacionales. Los
estudios fueron hechos de acuerdo con los objetivos particulares:
1) Desarrollar una climatología de las precipitaciones en el Brasil
Meridional (San Pablo. Paraná, Santa Catarina y Rio Grande del Sur), con especial
énfasis en las estructuras estadísticas regionales:
a) Tendencias locales y regionales;
b) Efectos antropogénicos provenientes de la medición y archivo de datos;
c) Efectos climáticos subregionales;
d) Homogeneidad regional;
e) Representatividad.
2) Encontrar las estructuras estadísticas temporales e espaciales que
permitan regionalizar y estratificar la lluvia en el espacio y tiempo.
3) Relacionar las precipitaciones con algunas situaciones de ENSO y anti
ENSO, dentro del período de estudio.
1) DATOS Y ASPECTOS METODOLOGICOS
Los datos utilizados en este trabajo fueron obtenidos del Departamento
Nacional de Agua e Energía Eléctrica. DNAEEde Brasilia y sus distritos en Porto Alegre
y Rio Grande del Sur. Los datos de la provincia de San Pablo fueron suministrado por el
Departamento de Agua e Energía Eléctrica, DAEE de S. Pablo. De aproximadamente
600 estaciones de precipitación fueron seleccionadas 127 estaciones. teniendo en
cuenta la mejor distribución espacial y temporal representativas de las series
climatológicas.
La información utilizada consiste en registros homogeneizados y
consistido de la precipitación total mensual, para el período 1948 - 1988. La figura 1,
muestra el área de estudio y la ubicación de las localidades donde se realizaron las
mediciones, numeradas de acuerdo al código de las tablas del Anexo I.
La red de estaciones cubre la parte sur de Brasil y San Pablo,
perteneciente al sudeste brasileño. Esta red está distribuida en 45 estaciones en S.
Pablo. 23 estaciones en Paraná, 16 estaciones en S. Catarina y 31 estaciones en R. G.
del Sur, en un área total de 820.000Km2, con una costa marítima muy extensa y una
orografía muy irregular, ver figura 2.
La elección de los datos fue hecha teniendo en cuenta dos aspectos
básicos: 1) tener una distribución espacial y temporal de las estaciones representativas
de Ia región y 2) las series elegidas deberían tener más de 30 años de datos, con un
mínimode datos ausentes.
Para tener Ia menor cantidad de datos faltantes. de las 127 estaciones
elegidas, solamente 20% tenían datos ausentes que no representaban 10% del total de
los mismos.
1.1) Relleno de Series Incompletas
Durante muchos años. los Servicios Meteorológicos utilizaron el método
de trazar diariamente los mapas de isoyetas y. en los casos en que el dato faltaba o
0......00.00.0000....0......OOO...OOOOOOOÓOOOOOOOOOOOO
4 5°
61‘20° -v
20422233 3 z:34
640
9.oe?
una30°
iiou° vs a. .00 45°
Figura 1 —Distribución espacial de las estaciones utilizadas en este trabajoy sus respectivos numeros según tabla I en el anexo I.
10
0......POOOOOOOOOOOOOOOÓOOCOOOCOOOOOOOGOOOOOOOCOOOOOOO'
an.
QI.¡.v
200
i.uu
5,. saw 45‘
Figura 2 - Isolineas de las altitudes de las estaciones del BrasilMeridional.
11
parecía dudoso, se "fabn’caba" la información, generalmente por ¡nterpolación Este
método, severamente juzgado por muchos, era prácticamente el único. al no contarse
en ese entonces con computadoras. que permitieran posteriormente la introducción de
otros procedimientos más confiables, Quinteros (1987).
Es importante destacar que antes de elegir la metodologia de relleno a
emplear, es imprescindibletener en cuenta dentro de que campo espacial y temporal se
analizó. Esto es fundamental en la variable precipitación, que es discontinua en el
espacio y en el tiempo.
Se puede decir, a grandes rasgos, que hay tres opciones: 1) estimar
valores puntuales; 2) estimar momentos de primero y segundo orden (promedios.
varianzas y covarianzas) y 3) utilizarmodelos matemáticos, de tipo autorregresivo.
1.1.1)Valores Puntuales
Pueden ser aislados o conjuntos de valores sucesivos de una serie
histórica (diarios, mensuales. anuales, estacionales, decádicos. etc).
Devoto y colaboradores (1980) han sintetizado los métodos de relleno
usuales del siguiente modo:
1) Cuando se usa una sola estación piloto (X) para estimar el dato de la
estación Y. La relación puede ser:
a) Y= [3X+a+€, a y [3 son coeficientes de regresión; y e error
aleatorio.
b) Y= BX +8
c) Método del cociente
d) Método de las diferencias
e) Regresión cuadrática
f) Regresión lineal simple con datos transformados
g) J? = BJ? +a+e (raízcuadrada)
h) Log Y= Blog X+Cl+8 (logaritmica)
2) Cuando se usan varias estaciones piloto, las ecuaciones son similares a
las anteriores, teniendo en cuenta el número p de estaciones piloto. Por ejemplo:
Y=a+ZXjfij+e
En nuestro estudio en algunas estaciones. se estimaron los valores
puntuales, en la mayoría de los casos, utilizando varias estaciones piloto.
principalmente cerca de Ia costa, donde hay más estaciones.
Para la realización de este trabajo fue utilizado el programa PROHD
desarrollado por el grupo DCRH/CAEEB. El programa está basado en procesos
interactivos de ajustes a una curva de doble masa, Brunet et al. (1971) obtenida por
promedio de valores acumulados u. opcionalmente, por minimos cuadrados. Los ajustes
son realizados de acuerdo a parámetros de calibración y correlación.
El análisis es dirigido a una única estación para cada procesamiento, y la
critica es efectuada indicando datos dudosos. corrigiendo los respectivos valores a
criterio del analista.
1.2) Homogeneización de las Series Elegidas
La homogeneización fue el paso siguiente que permitió ejercer un control
en las series y, también, una tipificación. clasificando regímenes dentro del área de
estudio. La teoría de la curva de doble acumulación fue utilizada en este estudio, Heras
(1976), además de análisis de regresión.
En todo análisis de datos hidrológicos y meteorológicos es importante que
las series sean homogéneos, es decir. comparables dentro del período de
observaciones. Este análisis, que opera con valores acumulados, provee un medio de
determinar la consistencia de las observaciones colectadas durante un largo período de
tiempo. Y también permite ajustar los valores más antiguos en conformidad con los
obtenidos posteriormente al del corrimiento de sitio de Ia estación, Alessandro et al.
(1958).
Las principales causas de Ia heterogeneidad son:
1) Cambio del medio circundante al sitio de medición:
a) desplazamiento del medio circundante al sitio de medición;
b) por modificación del medio circundante mismo;
c) por cambio de Ia altura del aparato.
2) Errores debido al aparato:
a) modificación de Ia superficie receptora por construcción, cambio o
deformación;
b) defectos de calibración.
3) Errores de medición o de grabación.
4) Errores de transmisión.
5) Errores de archivo y publicación.
Todas las fallas anteriormente mencionadas alteran la homogeneidad de
las series cronológicas de precipitaciones de manera diferente. Una modificación del
medio circundante se evidencia usando varios años antes y después del cambio.
Mientras más marcado es el cambio, menos años se necesitan, para este estudio. La
experiencia demuestra que en este caso se puede corregir los totales anuales y
mensuales para homogeneizar Ia serie, pero en ningún caso se pueden modificar los
datos diarios.
Después de la elección de las estaciones y la homogeneización de los
datos se utilizó el análisis multivariado, cluster, para clasificar y obtener un conjunto
mínimode estaciones para hacer el estudio de la variabilidad.
El objeto de este análisis multivariado es fundamentalmente para reducir
los datos para disminuir Ia redundancia cuando corresponda, eliminar el ruido, detectar
la marginalidad para poder conocer Ia estructura más general de los datos y establecer
relaciones dentro de ellos. El objetivo entonces es generar hipótesis de trabajo que
luego deberán ser puestas a prueba. Para genera cualquier hipótesis, previamente es
necesario conocer cual es la estructura de los datos, Lewis (1970).
14
2) CARACTERÍSTlCA CLIMÁTICAY GEOGRÁFICA DE LA REGIÓN
Los procesos que condicionan el clima son influenciados por corrientes de
aire en gran escala, que se denomina circulacióngeneral o planetaria. Estos procesos se
manifiestan, entre otros, en la producción de precipitaciones.
El conocimiento de las influencias de los factores geográficos que actúan
sobre el clima de determinada región, por más completa que sea, no es suficiente para el
entendimiento de su clima. Incluso los factores, tales como el relieve, Ia latitud, Ia
continentalidad, actúan sobre el clima de determinada región en interacción con los
sistemas regionales de circulaciónatmosférica.
Durante todo el año, en las regiones tropicales del Brasil, excepto al oeste de
la Amazonia, soplan frecuentemente vientos de E y NE originarios de las altas presiones
subtropicales (anticiclon semipermanente del Atlántico Sur). Esta masa de aire tropical
tiene temperaturas relativamente elevadas, debido a Ia intensa radiación solar de las
latitudes tropicales y a la fuerte humedad que proviene de Ia intensa evaporación marítima.
Debido a Ia constante subsidencia superior y consecuente inversión de la temperatura, su
humedad es limitada a la capa superficial, lo que le da un carácter de homogeneidad y
estabilidad, Nimer (1979).
En latitudes bajas, zona tropical, el clima es definido por dos estaciones: la
lluviosa y Ia seca o aquellas en que las precipitaciones son muy frecuentes y aquellas en
las que hay un disminución de las lluvias. En latitudes medias, sur de Brasil, aunque
existan cuatro estaciones más o menos definidas, hay una con lluvias abundantes y otra
con poca precipitación, lo que define su clima es la variación de temperatura durante el
año. La oposición entre las temperaturas de verano e inviernoconstituye también un hecho
climático importante. La variabilidad entre los veranos más o menos calurosos y los
inviernos más o menos rigurosos, tiene importancia en las actividades humanas, ai igual
que la variabilidad pluviométn'ca.
El mecanismo atmosférico en las regiones de estudio está sujeto a
comportamientos distintos de un año para otro. De este modo las precipitaciones en cada
año son bien diferenciados. pudiendo haber un significativo déficit en relación a los valores
normales.
2.1) Región Sudeste
A pesar de su notable diversificación climática. el sudeste de Brasil constituye
una cierta unidad climatológica.ya que en esta región es donde más frecuentemente se
produce el "choque" entre los sistemas de altas tropicales y el de altas polares. De ahí el
carácter de transición en Ia climatología regional de sudeste.
La orografía de esta región determina una serie de variedades climáticas,
tanto en Ioque refiere a la temperatura como en la precipitación.
AIestudiar la climatología regional del sudeste brasileño, el primer hecho que
observamos es su notable diversificación. Para comprender los procesos climatológicos de
esta región es necesario un previo conocimiento de sus condiciones geográficas. San
Pablo es la principal provincia de esta región y está localizada entre los paralelos de 14° a
25° sur, por ello casi todas sus tierras están localizadas en Ia zona tropical.
La región sudeste tiene una distribución de lluvias muy desigual en el
espacio y en el año. En Ia Sierra del Mar. en San Pablo, Ia precipitación es de 1500mm
durante el año, sobre el valle del Rio Doce, del trayecto de los valles de Jequetinhonha y
del S. Francisco la precipitación es de 900mm. Hay una notable concentración en el
verano, mientras que en el invierno es poco frecuente pero muy intensa. La mayor
singularidad del régimen de lluvia no reside en su distribución media en el espacio
geográfico, sino en el tiempo. La irregularidad de las precipitaciones es expresada por un
notable desvío anual, Nimer (1979).
2.2) Región Sur
Ai estudiar el clima del sur de Brasil, el primer hecho que observamos es Ia
homogeneidad de esta región. Comparando el clima de Ia región sur, con los de las otras
regiones geográficas del Brasil, no es dificilverificar que el mismo. es considerablemente
distintode los climas de las otras regiones brasileñas: La excepción es el sudeste. de clima
subcálido. Las otras regiones son de clima cálido del tipo tropical y en el sur hay dominio
de clima mesotérmico de tipo templado.
El relieve de la región sur es muy simple. En Ia costa, además de los
sedimentos recientes elevados y islas. La capital de Santa Catan'na se encuentra en una
de estas islas. Del norte de Paraná hasta Laguna, Santa Catarina, el litorales dividido en
pequeñas bahías y ensenadas, destacándose la de Paranaguá. De Laguna hasta el
extremo sur, el litoralse ensancha y se toma más rectilineo, presentando. en Rio Grande
del Sur, extensas restingas que cercan algunas de las mayores lagunas del Brasil.
En el interior de la región hay amplias superficies elevadas, llamadas de
Planalto Men'dional.En estos planaltos existen extensas superficies denominadas sierras,
que constituyen los niveles más elevados de la región sur.
Entre la costa y la superficie cristalina se eleva una escarpa más abrupta. Es
Ia Sierra del Mar, que en Paraná llega a 1500m de altitud. Cerca de Paranaguá, está el
Pico del Paraná con 1962m, en Ia Sierra de Ia Graciosa.
Por su posición geográfica, la región sur del Brasil está afectada por
fenómenos meteorológicos de latitudes medias bajas y en el Trópico de Capricornio hay
dos centros de alta presión sobre los océanos. Son centros denominados anticiclones
permanentes, de origen dinámico, insertados en la zona de altas presiones subtropicales
del hemisferio austral.
La región sur de Brasil es una de aquellas regiones en el mundo que tiene
una distribución espacial de la precipitación. de forma uniforme durante todo el año. En
efecto, en toda esta región Ia precipitación anual varía de 1250 a 2000mm. De esta
uniformidad depende una serie de factores geográficos y dinámicos: Los sistemas de
circulacióncausadores de lluviaactúan con frecuencia anual más o menos semejante en
toda esta región; el relieve regional caracterizado por superficies y formas simples no
interfiere al punto de generar diferenciaciones muy importantes en la pluviometría anual.
17
3) VARlACIÓN INTERANUAL: RELACIÓN CON LA OSCILACIÓN SUR
Después de los trabajos de Walker (1923, 1924. 1928) y Walker y Bliss
(1932, 1937) y principalmente de Bjerkness (1966, 1969) la OS se tomó uno de los temas
más discutidos por los especialistas del tiempo y del clima. Hay por Io menos dos razones
básicas para tal interés. Pn'mero, Ia oscilación fue analizada en muchos estudios de
operación del sistema climático global en Ia escala de oscilaciones interanuales, Kidson
(1975), Trenberth (1976 a, b), Arkin (1982). Según la persistencia por varios meses de sus
fases extremas representa un potencial para el pronóstico climático, especialmente en las
regiones donde el fenómeno se manifiesta fuertemente.
Una de las características más importantes de la OS es Ia correlación
negativa en la presión al nivel de mar (PNM) entre el océano Pacífico y el océano lndioo,
asociado con Ia fluctuación en la escala interanual de la circulación de Walker del Pacífico.
Walker et al. (1923).
Cuando la PNM sobre la región del anticiclón del Pacífico sur está bajo la
normal (supen'or a la normal), se considera que la OS está en la fase negativa (positiva).
Esta fase es también conocida como EL Niño/OscilaciónSur (ENOS) o episodio caliente de
la OS debido a Ia conexión con El Niño, Bjerknes (1969), Trenberth (1976 b), Rasmusson y
Carpenter (1982), Arkin (1982). Muchos eventos climáticos regionales oon graves
problemas sobre las actividades socio económicas, tales como Ia sequía en la lndia,
Australia y Nordeste de Brasil, inundaciones en Perú, Ecuador, etc tienen su asociación
oorrelacionada con el episodio caliente de Ia OS. Kruger y Winston (1975), Kousky et al.
1984. Muchas observaciones del EI Niño demuestran que este fenómeno aparece
generalmente entre diciembre y enero. una vez cada dos o siete años, en promedio y se
propaga hacia el oeste en la dirección del Pacífico central ecuatorial. Su duración típica es
de un año, aproximadamente. Su pico es observado más frecuentemente entre marzo y
mayo, mientras en el Pacífico central esto ocurre 7 a 8 meses más tarde, por lo tanto
cuando El Niñoprácticamente ha desaparecido.
18
La propagación hacia el oeste de las anomalías calientes de TSM es
acompañada por los cambios en Ia distribución de Ia nubosidad y Ia precipitación en gran
escala, aumento en el Pacífico central y una disminución en Ia región de Australia
Indonesia, lchiye y Petersen (1963), Ramage (1975), Horel y Wallace (1981), por los
cambios en la circulación atmosférica global. Rasmusson y Carpenter (1982). La fase de Ia
OS correspondiente a picos de las anomalías calientes de TSM en el Pacífico Central, es
referida como una fase madura de la OS y coincide con el máximo de la actividad
convectiva en la región. Algunos impactos de estas anomalías sobre la circulación global
han sido estudiados por diferentes autores: Julian y Chervin (1978), Webster (1981, 1982)
Hoskins y Karoly (1981), Shukla y Wallace (1983), Lau y Lin (1984), Kasahara y Silva Dias
(1986) y muchos otros.
Las intensidades y fases de la OS han sido usualmente medidas a través de
índices denominados de índices de la OS (lOS's) que son derivados de parámetros
meteorológicos (PNM, temperatura, viento y precipitación) observados próximos al centro
de acción de la OS. Datos de PNM oorno los de Darwin (Australia), isla de Pascua, islas
Cocos han sido usados para obtener lOS's. Entre estos, un índice generado a partir de la
diferencia de las anomalías (mensuales y estacionales) normalizadas de PNMentre Tahiti y
Darwin (Tn - Dn), que es negativo en episodios calientes de Ia OS. han sido señalados
como un óptimo indicador del estado de la OS, Trenberth (1983). Algunos lOS's han sido
también obtenidos de los datos de TSM del Pacifico, Weare (1986). La obtención de este
es a través de los coeficientes temporales de Ia primera componente del análisis de
funciones ortogonales empíricas (EOF's) de TSM del Pacífico tropical y Pacífico norte
La figura 3, Tanaka et al. (1988), muestra tipos de distribución de anomalías
que podrían ocurrir en las precipitaciones mensuales, sobre Brasil, asociadas con Ia
Oscilación Sur. Este patrón corresponde a la pn'mera componente principal del análisis de
EOF, de 1968 a 1985 y explica aproximadamente 29% de Ia varianza total del campo
analizado. La relación con Ia OS es evidente en sus coeficientes temporales que muestran
una cierta amplificación durante las fases extremas de Ia OS. Por la figura se nota que Ia
Os tiende a producir, durante los años de EI Niño, cantidades de precipitación bajo lo
'24
_ . A ‘ J! I74I 70 06 62 30 34 60 40 l! Si M I
Figura 3A - Patrón espacial de la primera componentede EOF's de anomalías mensuales de precipitaciones (filtradas por el promediomgvel triangular de 12 meses, explicando29,15%de la varianza total). Tanaka etal. (1988).
MA A44WWAO
TO 75 OO 05
Figura 3B —Coeficientes temporales asociados a1 patrónde la figura, Tanaka et al. (1988).
20
normal en la región nordeste y sobre lo normal en la región sur y un patrón opuesto durante
anti - EI Niño.
Un patrón con precipitación sobre Io normal sobre las regiones sur y sudeste
del Brasil, durante un año de El Niño, es también evidenciado en el primer componente del
análisis de EOF de anomalías de ROLE. obtenidas por Heddinghaus y Krueger (1981).
Este patrón muestra que. durante los episodios de ENOS, la ZCAS se intensifica
juntamente con las actividades convectivas en la región del Pacifico Central, mientras que
la convección disminuye en Indonesia - Australia. de forma semejante al patrón de
teleconección observado por Lau y Chan (1983), durante inviernos del hemisferio norte.
Una aparente teleconección entre la ZCAS y actividades convectivas en las regiones del
Pacífico Tropicalfue observada en escala de las oscilaciones intrasazonales (30 a 60 dias),
Weickmann et al. (1985).
4) ASPECTOS METODOLÓGICOS
4.1 - Estudio de la Tendencia
Para hacer el análisis de la tendencia se utilizóel test de Mann-Kendall y
Análisis de Regresión Lineal.
Para verificar si las series de datos tienen tendencia significativa, se aplicó
el test estadístico de Mann-Kendalla todas las series. considerando el período de las
series originales sin rellenar los datos faltantes.
Este test considera solamente los valores relativos de la serie X(i)que se
analiza. Para su ordenamiento se asigna a cada término un número K(i) entre 1 y N
(número total de datos), que refleja su magnitud relativa respecto a las de los otros.
Luego se computa el estadístico P de la siguiente manera: se toma el número de orden
K(1) y se cuenta el número de valores posteriores que lo exceden y se lo denota con
n(1). Se continúa hasta el penúltimo término de la serie. Luego se halla P (P=X n(i),
donde i varía de uno hasta N - 1) y el estadístico r (T= 4P/(N(N - 1)) - 1). Sabiendo que
Ttiene una distribución casi gaussiana se calcula el T teórico. Se concluye que si ‘ccae
dentro del intervalo anterior entonces no es significativoa ese nivel de confianza.
21
4.2 - Programa de Homogeneización de los Datos, (PRODH)
4.2.1 - Descripción de los datos de entrada
El programa está dimensionado para 40 años de observaciones, pudiendo
operar para un período de tiempo más largo, desde que modificaciones convenientes
sean procesadas sobre el tamaño de los vectores y matrices involucradas en los
cálculos. Son usadas como mínimo tres estaciones y como máximo seis, incluyendo la
estación a analizar, denominada "X" por convención. Por orden de importancia,
traducida por el mayor valor del coeficiente de correlación registrado en función de los
datos de la estación también se convenciona la denominación de Y, Z. X1,X2y X3
a las estaciones de apoyo tales que:
R“,>Rn>(R,m., Rm, Rm)
siendo R el coeficiente de correlación, siguiendo las letras que identifican las estaciones
para las cuales este parámetro es determinado. No hay necesidad de la ordenación
entre los coeficientes Rm. Rxxz,Rxxa.
El PRODH se propone en principio el análisis de las observaciones
pluviométricas registradas en X. La homogeneización de los datos de Y es posible de
ser efectuada en seguida, desde que un valor adecuado sea atribuido al parámetro de
control para el análisis simultáneo (LTRO). En este caso la crítica sobre Y involucra los
valores de X ya consistidos y eventualmente corregidos. a los cuales denominaremos
XN.
Esta alternativa posibilita mayor rapidez en la ejecución de los trabajos y
determina el análisis sobre dos estaciones a través de una ejecución del programa.
El período de observación debe ser absolutamente coincidente para los
datos de todas las estaciones y siempre serán leídos los años enteros, independiente
de que Ia crítica involucre o no todos los datos. En los años iniciales y finales, el
PRODH automáticamente abandona los meses que no sean de interés del análisis.
22
Las estaciones tienen sus altitudes en metros descritas en el informe de
salida del programa. También se tienen las distancias referentes a todas las estaciones,
siendo necesaria la observación del orden descrita en el iniciode este ítem.
4.3 - Análisis Estadístico
indudablemente la variación de un año a otro de la precipitación, es un
valor importante. Como es conocido, hay varios parámetros estadísticos que miden la
variabilidad, el desvío standard, la desviación media y Ia desviación de los cuartiles.
Pero estos parámetros, estadísticamente, no permiten una comparación
adecuada de un lugar con otro, porque son valores absolutos, se usan algunos que
proporcionan medidas relativas de la variabilidad: coeficiente de variación y variabilidad
relativa, por ejemplo.
Además de estos parámetros se utilizaronotros que son la asimetría y Ia
correlación lineal, entre las series.
4.4 - Análisis de Varianza
El análisis de varianza es prueba estadística de hipótesis nula, que
consiste en Ia comparación de las varianzas de los datos obtenidos en Ia observación
de diferentes grupos con el fin de determinar si existen o no diferencias significativas
estadísticamente en los valores medios de los datos de cada grupo. En Ia actualidad,
los procedimientos de este análisis hallan aplicación en casi todo tipo de diseño
experimental, y sirve para evaluar adecuadamente los datos obtenidos en un conjunto
de experimentos, investigaciones o mediciones. En este análisis Ia razón o cociente de
las varianzas entre y dentro de los distintos grupos que intervienen en él, se contrasta
con Ia distribución teórica F de Fischer - Student.
4.5 - Análisis Multivariado
Existen varios métodos de clasificación no jerárquicos, como por ejemplo,
el de Anderson, (1958) y el de Everitt et al. (1974). En algunos hay superposición de
23
grupos, es decir que algunas muestras se adjudican a más de un grupo y otros
requieren mucho tiempo de computación.
El método no jerárquico de clasificación que es relqtivamente simple es el
método de agrupamiento compuesto (composite clustering) comunmente conocido
como COMCLUS, de Gauch (1982).
Aunque siempre existe algún grado de subjetividad en Ia elección del
método esta debe ser Io más objetiva posible.
Retomando el principio, una técnica de clasificación para que sea buena,
debe ser estable y robusta y los grupos o clases que forme deben estar bien definidos.
Ahora bien, dentro de Ia enorme cantidad de técnicas de clasificación que existen, todas
se pueden resumir en unos pocos tipos y dentro de cada tipo o familia de técnicas
disponibles, la diferencia reside en el algoritmo de calculo concreto. El algoritmo de
cálcqu que se debe elegir es el más fácilo factible de realizar.
Cada técnica o familia de técnicas pone énfasis en alguna de las
propiedades de los grupos que se formen y eso es lo que debe elegir el investigador.
Un método es elegido cuando el dendograma da un imagen menos
distorsionada de Ia realidad. Para testear el grado de deformación, se utiliza el cálculo
de los valores “cofeneticos”, que son los coeficientes de la asociación entre los objetos
reconstituidos desde el dendograma. Graficando estos valores en función de los
coeficientes originales debemos obtener una línea recta. El cálculo de lo coeficiente de
correlación lineal indica el grado de deformación: para r < 0.8 Ia distorsión es considera
importante, Everitt et aI. (1991).
4.5.1. Distancia Euclidiana
Los espacios están determinados por sus dimensiones y el concepto de
arco indica la distancia entre dos puntos cualesquiera de ese espacio. El espacio está
generado por sus puntos que son independientes y tienen n elementos es decir, cada
24
punto es una base finita y los elementos que tiene son las dimensiones del espacio.
Todos los puntos tienen las mismas dimensiones.
Las dimensiones son los atributos que caracterizan a los puntos, por Io
tanto que caracterizan al espacio. Un espacio de una dimensión, puede representarse
por una recta; un espacio de dos dimensiones por un plano y uno de tres dimensiones
por un cuerpo. Los espacios multidimensionales de más de tres dimensiones son
espacios conceptuales que no se pueden visualizar.
Un espacio euclidiano es aquel en que todas sus dimensiones son
perpendiculares entre sí y si tiene dos dimensiones se puede representar por un plano.
La distancia entre dos puntos A y B de ese espacio d(A,B), según el teorema de
Pitágoras, es: d2 (A,B) = [(X2- X1)2+(3/2 - Y1)2]
La distancia euclidiana es una medida de similitudentre dos entidades o
puntos dentro del espacio. Cuanto mayor sea Ia distancia euclidiana entre dos puntos,
más distintos son éstos y la distancia entre dos entidades idénticas es igual a cero, por
lo tanto ocupan el mismo punto en el espacio.
4.5.2 - Análisis Tipológico
EI análisis tipológico (clusters) es una técnica de análisis de datos, de
carácter clasificatorio, que tiene como finalidad la formación de clases, tipos de grupos,
tan similares entre si como sea posible, partiendo de un conjunto de datos
multivariables. Este análisis se basa, principalmente, en el hallazgo de las distancias, o
bien de las medidas de proximidad o semejanza entre los sujetos, y entre éstos y los
grupos que se van formando. que dan lugar a la constitución de matrices de distancias
o semejanzas. En este análisis se procede, bien, mediante Ia división sucesiva de la
población total en subgrupos siginificativos o bien, agrupando sucesivamente unos
sujetos a otros según las semejanzas que presentan. Las técnicas de análisis del primer
tipo reciben el nombre de divisivas, de segmentación o fraccionamiento y las del
segundo tipo, el de aglomerativas.
Los pasos para este análisis son:
25
1 - Se hallan las distancias euclidianas métricas de los individuos de las
matrices entre sí, aplicando la fórmula:
du =[É(x,k -xjk)2]2k=l
2 - Se constituye la matriz de las distancias obtenidas.
3 - Se forma el primer subgrupo por el procedimiento del vecino más
próximo.
Es siempre el formado por los dos individuos a menor distancia en la
matrices.
4 - Se hallan las distancias del subgrupo formado por las dos matrices (de
menor distancia) a los demás individuos y se forma la nueva matriz de distancias.
aplicando la fórmula:
d =min(d,.¿. ,dj,‘lulk
5 - Se forma el segundo subgrupo y se hallan las nuevas distancias y
matriz.
Y así sucesivamente hasta que se clasifiquen todas las matrices.
6 - Se forma el dendograma correspondiente a los resultados obtenidos en
el análisis de cluster realizado.
EI dendograma tiene que reflejar, mediante líneas de enlace el proceso
seguido por la agrupación sucesiva derivada del análisis de cluster realizado.
4.5.3 Determinación del Numero de Grupos
Considerando n individuos observados sobre p variables. Suponiendo
estos individuos representados por n puntos del espacio euclidiano p-dimensión. Asi:
pr, = matrizde datos;
TM,” = matriz Dispersión Total.
La matriz de dispersión total de los n puntos es dada por:
26
T= x=zx*¡x_ i=1,...,n
donde X¡ = (xn, xa, xp) es el vector línea que representa el vector de las
observaciones del i - ésimo individuo con relación a p variables. Considerando una
partición de los n individuos en g grupos con m, H2, ng individuos en cada
agrupamiento y n = X n¡ (i=1, g). Entonces para el k - ésimo agrupamiento (q). los
elementos xikpara i = 1,2, nkrepresentan las observaciones de los individuos de C...
wk es la matriz dispersión dentro del agrupamiento Ck con vector promedio. Xk dado
por:
Wk = X(X¡k- Xk)T(Xik- Xk), donde W es la matriz dispersión dentro de los
grupos, dado por:
W=XWk, k=1,g.
B = Xnk XKTxk, donde XkTes la transformada del vector medio y Xk es el
vector medio (k = 1, g).
Así para cada partición de n individuos en g grupos, se obtiene la
ecuación matricial, Wilks (1962), dada por:
T=W+B
Aplicando el funcional lineal Trazo (Tr) en la ecuación de T, se obtiene:
Tr(T) = Tr(W) + Tr(B), donde Tr(T) es la suma de los cuadrados total con
relación a p variables; Tr(W) es la suma de los cuadrados dentro de los grupos en
relación a p variables y Tr(B) es la suma de cuadrados entre grupos en relación a p
variables.
Este criterio fue presentado por Calinski y Harabasz, (1974) y está
fundamentado en la suma de los cuadrados entre y dentro de los grupos, en relación a
la “p”variable cuantitativas.
La ecuación del criterio de razón de varianza (CRV) es:
(n - 9)SQEGCRV = (g —1)SQDG
g=2,3, n-1.
27
00......O0.000000000000000000000000000CCOOÓÓO0.0.0.0.01
donde CRV es eI criterio de razón de varianza; n es el numero de puestos
del conjuntode datos; g es el numero de grupos (g = 2, n-1);SQEG es Ia suma de
los cuadrados entre los grupos y SQDG es la suma de cuadrados dentro de los grupos.
El numero de grupos es determinado para “g”donde Io CRV tiene un valor
máximo absoluto o local o por Io menos un rápido crecimiento.
4.6 - Función de Autocorrelación
Una observación meteorológica comúnmente no es independiente de las
condiciones precedentes, aunque Ia dependencia decrece a medida que el intervan de
tiempo entre eventos sucesivos aumenta, Brooks y Carruthers (1953). Esta tendencia
de los valores sucesivos de la serie. a “recordar” sus valores precedentes y a ser
influenciados por ellos. se denomina persistencia.
Una de las formas de obtener la evidencia de persistencia de una variable
es obtener Ia estimación inicial del proceso mediante Ia función de autocorrelación, Ia
cual resulta, Panofsky y Brier (1965):N-l
l Zum-s) *(x(i+0-5)= * ¡:1
r(1) N —l 32x
donde: I es el desplazamiento temporal (lags); N es número total de los datos de la
serie; Ï es el valor medio de Ia variable y Szxes Ia varianza.
Se examinan los coeficientes de autocorrelación para Ios primeros Iags de
Ia serie y se determina si estos decrecen exponencialmente en forma consistente con Ia
hipótesis de un modelo Markoviano o de ruido rojo (proceso autorregresivo de primer
orden).
En el caso de existir una persistencia de este tipo, el coeficiente de
correlación r(n) para un lag arbitrario n, se aproximará al coeficiente r(1) elevado a la n, . . k
esrma potencra, esto es rks (r1) .
28
.......O..............................‘..‘...Ó..O......
Si estas relaciones se satisfacen aproximadamente y r(1) difiere de cero
significativamente. entonces se puede asumir una persistencia Markoviano en Ia serie y
Ia forma de para estos procesos autorregresivos será exponencial.
4.7 - Análisis Espectral
El método anterior permite mediante Ia función de autocorrelación estudiar
las caracteristicas del proceso que genera la serie; pero la significaciónestadística para
desplazamientos temporales más extensos es dificultosade determinar.
Por ello se trata de aumentar la posibilidad de análisis por medio de una
variante metodológica que sería el espectro o espectro de potencia. Este método
supone que la serie consiste en un número infinito de oscilaciones sobre un dominio
continuo de longitudes de onda. Luego el espectro mide la distribución de la varianza
sobre todas las longitudes de ondas posibles. desde la infinita (tendencia lineal), a la
más corta que pueden resolverse (dos veces) el intervan entre observaciones
sucesivas. Panofsky y Brier (1965).
Las técnicas espectrales han demostrado ser muy eficientes en el análisis
de las series climáticas, especialmente en aquellos casos en que se buscan elementos
objetivos para la descripción climatológica.
En este trabajo se aplican los métodos delineados por Blackman y Tukey
(1958), a la serie cronológica en cuestión. Brevemente esta aproximación puede
describirse como la aplicación del análisis armónico a los coeficientes de
autocorrelación seriados o a las covarianzas seriadas:
N‘_l*:z'l’<xm—z)*<x<i+n—si(,‘(l) =
para Iags de 0 a m, donde m < N.
De esta transformación se obtienen rn + 1 estimaciones del espectro de
potencia:
¿(0) = E150(0)+C(m)+-I%*ZC(I)
29
0.0.0.0...OOOOOOOOOOOOOOOOOOOOCOOOCOOOÓOOUÓCO0.0000000C
¿(lo = %Q +%*:c(1)*cos[”7“)+ %*C(m)*-1"
¿(mi=¿mi +<—1)“*c(m)+( 1)'*c(/)
las cuales son luego suavizadas por un promedio móvil pesado (método de Hamming),
resultando:
s(0)=%[s:(0)+;(1)]
S(k)= %[;(k—1)+2¿(k) +;(k+1)]
s(m) [S(m—1)+;(m)]1
= E
Luego se debe ajustar una curva suave a las m + 1 estimaciones sin violar
los límites de confianza apropiados para las estimaciones individuales. o lo que es Io
mismo. se asume que el espectro del universo del cual Ia serie analizada es una
muestra. es una función continua y que la amplitud de la variabilidad de una estimación
a otra es originada puramente por el muestreo al azar. Por último. se aplica al espectro
de potencia un test de significancia estadística.
Si ya se sabe que existe persistencia en la serie, Ia hipótesis nula
apropiada es un proceso Markoviano, cuya forma depende del valor del coeficiente de
autocorrelación de la población para el primer lag; su valor es desconocido y se lo
estima suponiendo que r(1) es un estimador insesgado del mismo.
Luego se calcula el espectro correspondiente a la hipótesis nula.
evaluando la siguiente ecuación:
l l
[1- r( 1)2]_ =¡il
Sk S lFr<ntzr<I>°°SFníkflJ
donde 5‘ es el promedio de las m + 1 estimaciones espectrales S(k).
Si se encuentra que ninguna estimación espectral se desvía
significativamente en términos estadísticos de la estimación correspondiente a la
30
OOO...0.00000000000000000000ÓOÓOOOOÓÓCOOOUÓÓO0.0.0....1
hipótesis nula, se puede concluir que el espectro de ruido rojo aproxima al espectro real
de la población. donde la serie es una muestra de ella.
4.8 - Series Temporales de Índices de Precipitaciones
En la escala de oscilaciones iteranuales el objetivo es estudiar Ia relación
de la precipitación de esta región con la Oscilación Sur.
Para este estudio se analizó los Niños de 1951, 1953, 1957, 1963, 1965,
1969, 1972, 1976, 1982, 1983. 1986 y los anti - El Niño de 1950, 1955. 1956, 1964,
1970, 1971. 1973, 1975y 1988.
Los episodios calientes 1951, 1953, 1957, 1963, 1965, 1969 y 1972 fueron
estudiados por Rasmusson y Carpenter (1982). Krueger y Winston (1975) realizaron
estudios de los casos de ENOS de 1969 y 1972. Los de 1982 -1983 fueron investigados
por Rasmusson y Wallace (1983) y muchos otros.
Como no se conoce claramente cual es la fase de ENOS o de AENOS con
la lluvia en la región de estudio, se investigaron los signos de la oscilación sur (OS)
inicialmente en las precipitaciones anuales. Las precipitaciones mensuales del período
de enero a diciembre de los años de ENOS y AENOS. fueron utilizados para verificar si
seguían algún patrón de comportamiento en relación a tales fases.
Una manera eficiente para detectar una señal climática de Ia precipitación
en gran escala, como la relacionada con la OS, es a través de índices regionales que
pueden ser obtenidos combinando las observaciones hechas en diferentes estaciones.
Un tipo de combinación frecuentemente usado es la media aritmética de los desvíos
estandarizados de las observaciones, Kraus (1977). Katz (1978), Stoeckenius (1981).
Katz y Glantz (1986), como índices de anomalías estandarizados. Los valores de estos
índices destacan las fluctuaciones climáticas de gran escala, una vez que las anomalías
muy localizadas o espacialmente ¡ncoherentes tienden a anularse entre sí, Sugahara
(1991). Los coeficientes temporales de funciones ortogonales empíricas han sido
utilizados con el mismo objetivo. Kidson (1975), Arkin (1983). Los dos procedimientos
31
fueron examinados en el presente estudio para minimizar el efecto de Ia elección del
método sobre la conclusión.
Las series anuales y mensuales del índice de anomalías estandarizados
fueron determinadas siguiendo el procedimiento de Kraus (1977), que involucra.
básicamente, normalización, promedios y análisis de varianza.
Las normalizaciones fueron hechas para evitar que algunas estaciones,
con promedios y desvíos estándar individuales altos, afecten a las otras series. Asi.
para cada estación individual,las normalizaciones son hechas restando la precipitación
observada el promedio (u) y dividiendo esta diferencia por el desvío estándar (0').
Promedio anual de la precipitación para Ia estación i:— l
ri=jzrijJ
rü - precipitación anual de la estación i durantej años
J - número de años en el período elegido para análisis
i - número de estaciones en la región a ser analizada
Varianza de la precipitación para la estación i:
l _‘I:2= J- ZP ,21.—r2
Estandarización de la precipitación para cada estación:
l
¡j 1- ¡j rr
Las dos formulaciones tienen promedio cero: X=XÏ=0. Ambas
formulaciones son análogas. En este trabajo se utilizóX¡j.
El valor del promedio areal de X¡¡ para el año j. es:
‘ za] = ï i X“.
= número de estaciones regionales a ser analizada.
aj = proporciona el índice de la precipitación para cada año.
32
El análisis de varianza es aplicado para verificar si una serie temporal de
estos promedios es adecuada o no para evidenciar las oscilaciones coherentes dentro
del área. Primero se hace la descomposición de la varianza total en dos partes. una
temporal (Vt). que define la variación temporal de la precipitación en el área de estudio
y otra espacial (VS).que es la variación entre diferentes estaciones.
Hay que someter V,/V_,a un test de hipótesis donde Vt tiene que ser
mayor que Vs. La relación V,/V_‘tiene una distribución de probabilidad dada por F(
v1,v2)de Fisher - Snedecor. casi independiente de los tipos de distribuciones asociados
a la variables involucradas en el análisis, Box (1953) y Tiku (1971). v1 y v2 son
números de grados de libertad del numerador y denominador de Ia relación V,/V_,.
Estimación de la varianza en el tiempo:2
_ 21a].V' .I-l
La varianza entre las anomalías de la precipitación dentro de la región es
dada por:
2
V = N —El]. aj‘ N —J
dondeN=.I 1
El procedimiento matemático del análisis de la función orotgonal empírica.
EOF ha sido descrito por varios investigadores. Grimmer (1963), Morrison (1976). Las
funciones ortogonales empíricas son autovalores de la matriz de coeficientes de
correlación (o covarianza) entre las series individuales. Ellas son, por lo tanto.
ortogonales entre si, debido a Ia simetría de Ia matriz y funciones de las coordenadas
espaciales. Los coeficientes de los autovectores son usualmente exhibidos en una carta
en forma de isolineas para revelar diferentes patrones de anomalías. La evolución
temporal de cada uno de estos patrones es decriptas por un vector asociado que es
una función de las coordenadas temporales. Tales vectores, que son también
ortogonales entre sí, son obtenidos a través de la transformación lineal de Ia matriz de
33
observaciones por la matriz de autovectores. La importancia relativa de cada modo de
la variación a Ia variación total del campo analizado, varianza total, es dada por el
respectivo autovalor. Es procedimiento usual ordenar las EOF en orden decreciente de
los autovalores. Así, la primera EOF es el modo más importante para la varianza total,
Ia segunda EOF o segundo modo más importante, etc. La variación total de los campos
meteorológicos puede ser representada por la expansión de un número relativamente
reducido de estas funciones. Matemáticamente:
M
11,: ZC“, ei, n: 1,2,...,Ni=l
donde Fn es Ia matriz con observaciones de algún parámetro meteorológico en N
coordenadas temporales, en M estaciones (o punto de grilla). e¡ es i - esimo autovector
y Cm son los coeficientes de la función temporal asociada a Ia e¡. En este estudio, se
buscaron los coeficientes Cm que describiesen las fluctuaciones coherentes de
precipitaciones de la región.
34
s. DlSCUSIÓN DE LOS RESULTADOS
5.1. Consistencia de los Datos
Luego de clasificar las estaciones teniendo en cuenta la mejor distribución
espacial y temporal, se hizo un análisis de consistencia previa para evaluar la calidad
de los datos. Se utilizóel método de doble masa teniendo los valores totales anuales de
precipitación.
El análisis de doble masa consiste en la obtención de gráficos: en la
abscisa, se colocan los valores del promedio de las precipitaciones anuales de algunas
estaciones próximas a las estaciones analizadas y consideradas confiables para la base
de comparación y en las ordenadas, los totales anuales de esta estación. Cuando los
valores de las estaciones a consistir son proporcionales a los observados en la
comparación, los puntos determinaron una recta.
Fue realizado aún. una análisis cualitativo de Ia confiabilidad de los datos
considerados atipicos en las series observadas. Se compararon estos datos con
registros de las precipitaciones máximas de las estaciones vecinas. correspondiente al
mismo período de observación.
De un total de aproximadamente 300 estaciones analizadas por este
método se quedaron las 127 estaciones que fueron utilizadas en este trabajo.
Además de esta metodologia durante los estudios realizados en la tesis se
buscó eliminaralgunas otras estaciones que eventualmente presentaron problemas en
los distintos estudios. Por ejemplo. se una estación presentó problemas en la
correlación lineal con las demás, esta estación fue eliminada.
5.2 Estudio de la Tendencia
A través del test de Mann Kendall fue analizada la posibilidad de tendencia
en las 127 series de precipitaciones anuales estudiadas. Se observó que un numero
significativo de series de precipitaciones presentaban alguna forma de tendencia,
aunque no significativas. En este trabajo se supuso una tendencia linealy se estudió las
35
IO5
-2 t \ :3.
no
25. I“\ 2:ma I;;_/7II
IJO
u C)
R0 In
Il.e.
Figura 4 - Promedio de la precipitación, período 1948 - 1988 para el BrasilMeridional. Isolineas hechas envolucrando todas las 127 estaciones.
36
w go; 45'
2°' :c
¡OI
fis.zr
o
l
uz
JO' :6.
woo
es
55'3?
ss" so- 49'
Figura 5 - Isolineas del desvio estandar de las precipitaciones del BrasilMeridional. para el periodo 1948 - 1988.
37
series a través del análisis de regresión lineal. Con esta suposición se hizo el test F de
Fisher y todas las series que presentaran tendencias fueran clasificadas como no
significativos.
5.3 Campos Medios de Precipitaciones
Para el estudio espacial de la precipitación se utilizó el conjunto de 127
estaciones del Brasil Meridional (1948-1988) y se hicieron las isolineas, figura 4.
Las provincias de San Pablo y Paraná presentan una mayor precipitación
en la costa. En San Pablo Ia precipitación aumenta de oeste a este y es máxima en Ia
parte nordeste de esta provincia (Ia parte de mayor altitud, Campos do Jordáo. por
ejemplo).
Paraná presenta una región, noroeste, con pocas estaciones y marcando
un bajo promedio climatológico de la precipitación. En su costa Ia precipitación es
evidentemente mayor. con valores altamente significativos.
En Santa Catarina y Río Grande del Sur la distribución de Ia precipitación
es muy particular. Hay mayor precipitación en el centro de Santa Catarina, debido a Ia
orografía, punto más alto de Ia provincia. En Río Grande del Sur los valores son más
homogéneos, espacialmente, pero presentan precipitaciones más grandes en Ia región
nordeste (Vacaria) y sudoeste (Uruguaiana).
La figura 5 muestra la distribución de los desvíos estandarizados de la precipitación
anual. Las amplitudes típicas de fluctuaciones interanuales son más marcadas en la
parte este de la provincia de San Pablo y Paraná. Estas amplitudes son marcadamente
más grandes en la parte central de Santa Catarina y oeste de Río Grande del Sur.
Se puede observar que a un mayor promedio de Ia precipitación ocurrió
una mayor variabilidad, representada por el desvío estándar.
5.4 Estadística Descriptiva
La tabla de anexo II muestra cierta homogeneidad en los parámetros
estadísticos de la distribución de las lluvias en las estaciones. A su vez configura Ia
38
53‘ 52 5| SD 49 OO 47 46 45 4‘
704
zw ’I i ¡xq
4 5 2 lx
ZI' / la ls ¡J ‘ ,1w ¡7 ¡5 “ 39
II I '222' n
JI JO 2' 25 zs ‘3¿{Asees ..---\. ,/‘zo23' MH 45 24 22 2%: 2' 9‘.
Ja ‘\\ 35 36 o44 JJ
JT ¡o 6 40
24° 4/ :4.9 /,/,,/’K 7—\.\//
53' 52' 5 ' 90 09 40' 47' 43' 45' 4’
94° ss 54- a: 52' a - so 49- 49 47
22. 90'\ B23' / i a \—“ ono
// l 9¡4
24' ¡5 3..
u Km2,. III II L1zo Il ¡o 23 .6 5\,m 2' zz 24 a) I
4’ 2 n2., \ e \ za n.
\ 7 Ñ“-" \NV27' 91
Figura 6 - Analisis Multivariado (Cluster) para hacer 1a classificacíónde las estaciones de precipitación de S.Pablo, Paraná, SantaCatarina y Rio Grande del Sur.
39
C
"V zz
If: [)u /\ e ¡o " 'x ...
/ <7! .2 5 {2° 24uIII s 2 vtr / “ez . ...
7 ’ («íl lo '5 Jw. / '3 Io / ...
¿.4 Í Jo 2' ly: IK
Figura 7 - Análisis multivariado (cluster) para hacer la clasificaciónde las estaciones de precipitación de S. Pablo, Paraná, Santa Catarina y Rio Grande del Sur.
40
primera forma de análisis de consistencia ya que saltos abruptos en el espacio que no
justifiquen la orografia marcan deficiencia en algunos datos.
La separación de las estaciones utilizables en grupos se realizó según
criterios de proximidad geográfica, semejanza de altitud y de régimen de precipitación y
en función fundamentalmente a Ia densidad de Ia red utilizable.
Fueron elegidas, a través del análisis multivariado.cluster, las estaciones
de precipitaciones que mejor representen la distribución espacial de las series
escogidas previamente. Del total de 127 estaciones utilizadas para este estudio
quedaron en la provincia de San Pablo clasificados dos grupos, según el criterio razón
de varianza (CRV). De estos dos grupos fueron seleccionados algunas estaciones
observando una distribución espacial: SP1, SP4, SP6, SP7. SP11, SP12, SP17, SP21,
SP18 y SP31, figura 6A.
En las estaciones de Ia provincia de Paraná se utilizóel mismo criterio de
clasificacióny se obtuvieron tres grupos de estaciones. De los grupos se trabajó con las
siguientes estaciones: PR1. PR5, PRG, PR13, PR15, PR17, PR18, PR20 y PR22. Lo
mismo se hizo para Santa Catarina y Rio Grande del Sur. Las estaciones seleccionadas
para estas provincias fueron: SC2, SCB, SC7, SCB, SCQ, SC13, SC14 y RS1, R87,
R89, RS10, RS15, R820, R822, R825, R826 y R831. sintetizando las informaciones
iniciales.
Las figuras 6 (A. B) y 7 (A. B) muestran la clasificación hecha para cada
provincia (estado). de acuerdo con el método multivariado. Esta clasificación posibilitó la
reducción del número de estaciones iniciales de 127 a aproximadamente 40 estaciones.
En el anexo III. se presentan los dendrogramas para cada provincia, utilizando el
método de Ward y la distancia euclidiana.
El análisis de varianza efectuado con grupos de estaciones por provincias
tuvo por objetivo determinar cuales de las estaciones de estos grupos representaban
realmente los mismos procesos físicos. De esta manera se pudieron sintetizar las
informaciones generando un conjunto menor y no redundante de estaciones para el
41
O...O..0...OOOOOOOOOOOOOOOOOOOOOOO0...0...0000000000001
W VDE mon Y“SWCSP!(|NG‘HO) SPHHWÍÜO)
mono VMM PRGEDIOVDEMm1 UNO-1”) “(10451”
WYm WYumFll UNO-1“) PR"(ÍW‘Ú)
VWMO"M007 MOMO“UNO-1..)mama-nan)
Figura 8 - Graficos del promedio y desvio estander de las seriesoriginales de S. Pablo y Paraná. La linea superior representa el promedioy la linea inferior el desvio egtander.
42
-vvwvvwv"""'...................‘
“Yui
PRGEWYDEMseuuuunw
V DESV'O“UNO-IN)
WYNWseu nue-¡nm SEUWÍH)
mom: IstmoWY ¡asumo-nmno1(nn-1m)
mmov DesvioMV W nmnunca)nan«una»
Figura 9 - Graficos del promedio y desvio estandar de las seriesoriginales de Santa Catarina y Rio Grande del Sur.
43
(¿lo
vOOOOOOOOOOOOOOOOOOCCICICCCICIICIIIIICGICGIÍCIGIIIICIl
¿»5
46
OOOOOOOOOOO0.00......0.0.0.0....000...Ó.............'.‘..
Las tablas 3(a) hasta 3(j) muestran el promedio de dias de lluvias, promedio de lluvias ycantidades de precipitaciones por dia lluviosos (PP/DD), para un conjunto de estacionesdel Brasil Meridional.
47
estudio de series temporales. Los resultados coinciden con la clasificación o
discriminación del metodo anterior.
Para hacerla clasificación se utilizaronlas 127 estaciones tomando el total
de cada año del período de 1948 hasta 1988. Después se dividieron las series en
período de invierno, de mayo hasta octubre, y verano, de noviembre hasta abril, según
Io definido en los análisis realizados por el CPTEC, INPE. Esta división de los períodos
está hecha con base en observaciones de la aparición de la Alta de Bolivia,junto con la
ZCAS, según Climanálise.
Con Ia serie del total de cada año, período de invierno (6 meses) y
período de verano (6 meses) se hizo el estudio de clasificación, para sintetizar las
informaciones.
Los tres períodos, total anual. invierno y verano, muestran una gran
coherencia en la elección de las estaciones clasificadas. Además de esto los métodos
de vecindad más próxima y centroide, Connack, (1971) y de los parámetros de las
distancias euclideanas, coeficiente de correlación de Pearson y coeficiente gamma,
también demostraron coherencia entre grupos de las tres series (total anual, invierno y
verano).
A partir de la clasificación de las estaciones se efectuó el estudio de las
series a través del análisis de series temporales. Aquí se tomó también las sen‘es de
verano e invierno divididas en 6 meses.
El primer análisis realizado fue el estudio de las marchas anuales de las
precipitaciones de las series clasificadas de las cuatro provincias. La región de estudio
muestra la provincia de San Pablo altamente estacional, con verano lluvioso e invierno
seco. Paraná y Santa Catarina tiene una transición entre San Pablo y Río Grande del
Sur. Los gráficos de las figuras 8 y 9 y el anexo IV ilustran esta discusión. presentando
los promedios para un periodo de 41 años (1948 - 1988).
Las tablas 3 (A hasta L) muestran para las mismas estaciones, promedio
del número de días con lluvia (precipitación por encima de 1mm), las cantidades de
48
precipitación por días lluviosos y el promedio de la precipitación mensual en el período
analizado. La estación lluviosa empieza en septiembre/octubre, alcanzando su máximo
en enero y finalizando en abril. aproximadamente. para la provincia de San Pablo,
Sugahara (1991).
Las estaciones analizadas fueron: Antonina (PRS), Jataizinho (PR1). Rio
Negro (PR25), Garcia (SCG), P. Tainhas (R823), con todos los datos y
Guarapuava/Santa Clara (PR22) con falta de informaciones de noviembre a diciembre
de 1952, marzo de 1953 y enero a diciembre de 1981; Ilhota (SCS) con falta de datos
en julio de 1983 e abril a diciembre de 1988; Matos Costa (SC9), con falta de datos en
enero de 1949, febrero de 1961, diciembre de 1981 y marzo a abril de 1988; Cangucu
(RS17) con falta de informaciones de julio de 1949 a octubre de 1950, junio a agosto de
1956, septiembre de 1958 a enero de 1959, marzo de 1961 a diciembre de 1961.
La elección de estas estaciones fue hecha teniendo en cuenta Ia ubicación
de las mismas, buscando la mejor distribución espacial.
En las provincias de Paraná y Santa Catarina, en Ia costa, hay una
similitud muy grande con Ia provincia de San Pablo. Así se puede hacer una primera
regionalización tanto de Paraná como de Santa Catarina llevando en cuenta esta
marcada característica.
La costa de Paraná (Antonina) y la región norte (Jataizinho) tiene un
promedio de lluvia más grande en el verano, empezando en octubre y teniendo su
máximo en enero. En Ia costa del Paraná. Ia precipitación es más intensa que al norte
de esta provincia. Esto se debe a las características de la costa que tiene un relieve
muy marcado. una brisa del mar muy acentuada. provocando un aumento de Ia
precipitación. Ya Guarapuava y Río Negro. estaciones más continentales no presentan
estas características. EI mes más lluvioso es octubre en Guarapuava y febrero en Río
Negro, pero con una distribución más uniforme en todo el año.
En Santa Catarina. Ia estación Matos Costa tiene mucha similitud con Río
Negro (PR), pero Garcia e Ilhota son muy parecidas con las estaciones de la costa del
49
Paraná, presentando máximos en verano (comienza en septiembre) en los meses de
enero/febrero.
Las estaciones de Río Grande del Sur son, en general, más uniformes en
la distribución del promedio de la precipitación. Aunque. en la costa hay una mayor
precipitación en los meses de enero y febrero, no es tan significativa como en Ia
provincia de San Pablo que tiene verano húmedo e invierno seco.
El promedio de dias de lluvias (frecuencia media de idas de lluvias)
encuéntrase en fase con los promedios de lluvias. (las dos primeras columnas). Ya la
intensidad representado en las tablas 3 por PP/DD no tiene onda anual definida
indicando que la naturaleza de cada evento Iluviosos es similar.
Con el promedio y el desvío estándar se realizó el estudio de Ia estructura
espacial de las series. Este estudio mostró una mayor precipitación en verano,
principalmente en San Pablo, respecto a Río Grande del Sur.
Además del análisis de la onda anual, a través del promedio y del desvío
estandarizado se utilizó el análisis armónico como metodología exploratoria de la
variabilidadde las series de precipitaciones, anexo V. Se puede observar que el análisis
de Fourier muestran procesos bien determinísticos en las estaciones de San Pablo, Ia
costa de Paraná y en la costa de Santa Catan‘na. San Pablo tiene una onda anual muy
marcada en todas las estaciones analizadas, mientras que Paraná. en la costa, tiene el
mismo comportamiento, con ondas anuales muy marcadas. Santa Catarina, también
tiene algunas estaciones, aunque más ruidosas, con las ondas anuales bien definidas.
Las demás estaciones analizadas de Paraná. Santa Catarina y Río Grande del Sur,
presentan señales ruidosos.
Las figuras del anexo V, presentan los mapas con Ia ubicación de las
estaciones y abajo de las mismas. entre paréntesis, los valores de la varianza del
armónico 41 (la onda anual). Estos valores para cada provincia confirma las
afirmaciones hechas en el párrafo anterior.
50
‘vvvwvvvvvvvv"'.............................
(X-Xm)
SH «mmm SP" (¡ou-mu)
3’21 UNO-1”!) mo "NO-1”!)
(l-XI)
H1 (10404”) PI" UNO-1.0)
muuunw nnuuuow
Figura 10 - Graficos del modulo de (X - Í) de las preCipitacionesde San Pablo y Paraná.
51
---vvvvvvvvwvv'vvvvvv"U'.."'.......................
(X-lm)
Si "NI-1”) S14 "NO-1“)
(x-nn
SCMmas-1m) 9020 (ING-1”!)
I3|UNI”) RS!(1“1-0
...
(I'll)
6388883888“
[3110.401”) HSM"¡dl-1..)
Figura ll - Graficos del modulo de (X - x) de las precipitacionesde Santa Catarina y Rio Grande del Sur. La linea superior representa el promedioy la linea inferior, eldesvio estander.
52
0.000.000.000.0...OOOOOOOOOOOOOOOOOOOOO...OOOOOOOOOOOÓÍ
Para intentar filtrar la onda anual se obtuvieron las anomalías expresadas
en distintas formas. Las figuras 10 y 11. muestran las medias y los desvíos
estandarizados de las anomalías de las estaciones de San Pablo, Paraná, Santa
Catarina y Río Grande del Sur. calculadas a través del módulo de (X (1)—A7). Se nota
que la variabilidad, muy marcada en la marcha anual de los datos originales, disminuye
con la utilización de este filtro. La estación de Cándido Mota (22:53;50:30), San Pablo.
es Ia que mejor filtra la onda anual en relación a las otras estaciones de San Pablo
analizadas.
Otra forma de filtrar la onda anual de las sen'es estudiadas y
homogeneizar los resultados para una comparación regional fue utilizando el módulo
de ((X(I)/Ñ)— l). En estas marchas anuales lo que se ve en las figuras (12 y 13) son
máximos en invierno, en las estaciones de San Pablo y en la costa de Paraná
(estaciones de Morretes (25:28;40:50) y Veu de Noiva (25:26;48:57)). Esto significa que
Ia variabilidad de estas series no están en estricta relación con el promedio.
En el filtrode la onda anual utilizandoanomalías se observa coherencia en
el caso de la utilizacióndel promedio o el desvío estandarizado de las series utilizadas o
sea Paraná. es la provincia de transición entre el régimen de precipitación de San
Pablo y Río Grande del Sur y Santa Catan'na. Se debe mencionar que en Paraná la
onda anual es bien definida con máximo en verano y mínimo en invierno. en la costa.
Los gráficos de las estaciones de Morretes y Veu de Noiva muestran muy bien Ia onda
anual, parecido con las estaciones de San Pablo. mientras que en el interior ya hay un
comportamiento de latitud media. muy parecido con las sen‘es de precipitación de Santa
Catarina y Río Grande del Sur.
Se utilizótambién como filtro de la onda anual Ia expresión ((X(I)—Í) /o)
y otra utilizando la mediana en lugar del promedio. En las figuras 14 y 15 se muestra la
marcha anual de estas anomalías. Los resultados muestran que hubo un filtro efectivo
de la onda anual en todas las series aunque aparece una mayor variabilidad en las
estaciones analizadas.
53
Si" «9451953) SP" (10401”)
(W)|
"7| (|“|m) m (1.4.4.!)
Pl‘ (1.404”) Pl" UNO-1“)
m (1.404") Pl?!(1“|.0)
(Ia-H
Figura 12 - Graficos del modulo de (X/i) - 1 de las precipitacionesde San Pablo y Paraná. La linea superior representa elpromedioy la linea inferior, el desvio estander.
54
ace (¡WHO!)
(WH
SCM(¡MÍÜÜ
(WI-7'l
IB! UNO-ln!)
SC" "NO-Im)
son “0.5|”!
l! (1.404”)
no11(mmm)
(IIIII)|
Figura 13
[S1 "Dll-1.8)
(¡MH
Gráficos del modulode (X/x)-1 de las precipitacionesde Santa Catarina y Rio Grande del Sur. La linea superior representa el promedioy la linea inferior, eldesvio estander.
55
-_-vvvvwwwv-'v'v'.."".'............................
9| (1001”) SP“ (10451”)
SP” uno-nu) sm UNO-1“)
(X-Imm
|1 “CO-QUI)"|(1NO-1m) Pl (
1040-1“nun(""1") PID( )
Figura 14 - Graficos del modulo de (X —Ï)/DES de las precipitacionesde San Pablo y Paraná. La linea superior representa elpromedioy 1a linea inferior, el desvio estander.
56
O...OOOOOOOOOOOOOOOOOOOQOOOOOOOOOOOOOOOOOÓOOO¡0.0.0.0.1
(JI-unes
(¡z-mm
S30 (¡NO-1.6) SC“ UME-1”!)
x10 (1040.1000) m (¡945106!)
(Lunes
[0| (1.404”) RH (1.4.4.0)
(una:
RS" (10454“) ISS! "¡ll-1m)
(X-XIIIMS
Figura 15 - Graficos del modulo (X - X)/DESde las precipitacionesde Santa Catarina y Rio Grande del Sur. La linea superior representa el promedioy linea inferior, el des vio estander.
57
0.0.00.DOOOOOÓOOOOOOOOOQ...COOOOOOOOOOOOOOOOOOOOOOOOOOI
Para elegir el mejor filtrose utilizóel análisis de Fourier, aplicado a la serie
original y a las series filtradas. Por ejemplo, Ia serie original de la estación de Candido
Mota (SP29), tabla 4, presenta el armónico 41 con una varianza explicada de 34.96%,
Ia mayor varianza. Para Ia serie utilizada este armónico representa la onda anual. En la
serie X(I) / A7)—1]]se advierte una significativa disminución de la varianza explicada
de Ia onda anual, aunque las otras formas de filtro presentadas también en la tabla 4
muestra una reducción más acentuada de los armónicos de Ia onda anual.
X(I)- X(1)/)?)— X(I)—X/
Tabla 4 - Para el armónico 41 (onda anual) los valores en porcentaje para Ia serie
original y para cada filtro utilizado
Las estaciones continentales de Paraná y Santa Catarina (PR19, PR22, SC3, SC9 y
SC16) y las estaciones del R.G. del Sur, presentan el armónico correspondiente a Ia
onda anual del período 1948-1988 con varianza no significativa en ninguna de las
series. Esto significa que no hay períodos húmedos ni secos muy marcados en la región
y que no existen necesidad de filtrode oda anual.
Otro ejemplo que refleja las condiciones costera se presenta para la
estación Rio del Pouso (SC13) con el armónico 41 con una varianza explicada de
10.13% y también el módulo de estandarización como eI mejor filtro.
58
Moconneucm
mneucm
AUTOCORRELICM
MEM!ummEP"0.01..)
W üLAEREm9| (1001-0)
1:0an DELASERIEcamSMI"NO-1")
CORRELW DELASERIEOIWLmuseum)
MWREW
MRW DELASERIEORIOML“¡Elm DELASERIE“Mi.PR" "Oli-IW)Hunum.)
MWIELACIM
mmm DELASERIECRM msnm DELASERIECRMmano-nu) MUNIÜI)
MIREN
14
LAG UBS
Figura 16 - Correlograza de las series originales de precipitacionesde San Pablo y Paraná.
59
OOOOOOOOOOOOO0......OOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOÓOOG
MWMMEIIEMW MILAN““UNO-im) nlliu1-I)
WRIEM MWRELW
CORRELW DELASERIEORDONN. oonnuoonm W LASERIEORIGNN.emanadas“) «www
AUTOCORÑELACM MWRELACÜ
MRELW MIASEREomom “¡Elm E LASERIEOCW[3| (|“1.” ISMWIOIN)
NIMREWM WRELACÚJ
mmm DELASRE“WL MRELW MLASERIEmIS" (1“1‘0) IS‘I"001.0
mroconnaucmMOCORREW
-|4 u | 4
LNB LAGS
Figura 17 - Correlograma de las series originales de precipitaciones deSanta Catarina y Rio Grande del Sur.
60
a 8,1 mmmu O"mmFIJIO'mo DE(llum HMm0 MGm.
AUTOCOIRELACIM MmlEm
oonuocnm Msm“TIO mo DE(¡nl-¡MW
MIELW DEmFILTRO¡como x (I-MVDESV
AUTWORRELACIW MOOORREUCIGC
MIELW ü PR"FILTRO:m0 DE“MW.
CORRELW M PR!FILTROm0 mmm.
WKELACIGJAUTOCORRELACIGJ
WLWEMMi W PmEL u FILTROm0 DE(puma.N110:m0 MWWW.
MWREWM
WIREWM
.1 |MGSum
Figura 18 - Correlograma del modulo de (X-Xm)/DESde las series deprecipitaciones de San Pablo y Paraná.
61
Moconnmm
AUTOCORRELACOM
manu/¡CIÓN
WORRELACM
mm HC14FILTROW ue“¿Im
manana: Sinm m0 IEa-nnvncsv
Maconnucm
MIELWÉ sao"LWmo uGW.CORRELW DEamoFILTROme DE(¡-me
MOOOFMELACÜ
WIRELWfl ISFILTRO.m0 DE¡Im-mv.
WRELW DER31FILTROm0 DE(X-IMVDESV
MW WR311FILTRO.m0 DE(Irme
consuma/uuN IS|Flt'I'RO.m0 DE(X-INIYDEW.
MWRELACÜO
I 4
LNB m
Figura 19 - Correlograma del modulo de (X-Xm)/DESde las series deprecipitaciczes de Santa Catarina y Rio Grande del Sur
62
Tabla 4 - Para el armónico 41 (onda anual) los valores en porcentaje para Ia serie
original y para cada filtro utilizado
Filtrada la onda anual, el siguiente paso fue intentar ver que otros
procesos estocásticos y que efectos particulares influyenen las series estudiadas y cual
es el grado de independencia de los datos.
Con este propósito se calculó la función de autocorrelación de la serie
on’ginaly de (X-Xm)/c hasta 20 “lags”. Las figuras 16 y 17, 18 y 19 respectivamente,
presentan los gráficos para las series originales y de estandarización de los datos de
San Pablo (SP1, SP11, SP20 y SP21), Paraná (PR1, PR17. PR20 y PR22), S. Catarina
(SCB, SC14, SCi4 y SC20) y R. Grande del Sur (R81, R85, RS15 y R831).
De la análisis surge que las series de cualquier punto de esta región de
Brasil no contienen persistencia nada más que aquella dada por la onda anual que
como sabemos se puede considerar como un proceso casi deterministico. Esto implica
que el ajuste de modelo de estas series deberán considerar la hipótesis de valor
aleatorio.
Finalmente se aplicó a las series, la técnica de análisis espectral para
detectar de que manera contribuyen las oscilaciones de las distintas longitudes de onda
a la varianza total. para averiguar si existe diferentes ciclos compatible con lo
observado en las estimaciones de autocorrelaciones.
El máximo "lag" utilizado para el cálculo de los espectros es
aproximadamente 150 (30% de los datos de la serie total), lo cual es lo indicado para
obtener una buena resolución y además estabilidad en las estimaciones.
63
DENSIDADESPECTRALoessnoaoESPECTRALoeusnnaoESPECTRAL
DENSIDADESPECTRAL
ANALISIS ESPECTRAL DE LA SERIE ORIGINALSP 1 “9404930)
ANALISIS ESPECTRAL DE LA SERIE ORIGINAL
SP1‘III940-IOOOI
T (mo-n)
ANALSIS ESPECTRAL DE LA SERIE ORIGINALSP21Il940 4930)
51700 BBuanoo- 1uo8a 300 zw “-—D ‘ —————-__
"N 6 3 2,5TInn")
ANALISIS ESPECTRAL DE LA SERIE ORIGINAL
SPZSIIOAO-IODOIJW
(I
‘ *á——_ a. n
IZ S J 2,5T Iman!)
ANALISIS ESPECTRAL DE LA SERIE ORIGINAL
PRI (¡SGO-IDOOI
ÉE)
DENSIDADESFECTRAL
oO
JOO ‘
“s-_ --:.---A—° u o J ¿s
TImnnI
ANALISIS ESPECTRAL DE LA SERIE ORIGINALPRIT “DAB-IDO!)
IOOO
3 FElan»4L
3 300- .2o
SCOOF__“ 4a i -“==—a—.—————u——
' ¡z s J ¿aT (mom) T Iman)
ANALISIS ESPECTRAL DE LA SERIE ORIGINAL ANALISIS ESPECTRAL DE LA SERIE ORIGINALPRZO“9464930) PRZJ (NAD-IDO”
240
G 4‘“’ IIÉ
IDO ' t ¡-‘“ a: —\\N‘ \'20 \\‘\“- i ÉIZO \\\\s _ sx‘“eo ü oo .
_ ___ _ É __ _o l -T "' ._ __—.— —' n. . A -—._ ___ T
96 IZ 6 J 2,5 260 IZ 6 3,9 2,!4T (mou-I T (no...)
Figura 20 - Análisis espectral de las series originales de precipitación total mensual de San Pablo y Paraná.
64
—""'"'V'VV'Ú"ÚÚ'U'."'..........................
ANALISIS ESPECTRAL DE LA SERIEORIGINALSCGIIGQG-IGSO’y
S
DENSIDADESPECTRAL
o5 00
A
s‘s s *—_ ___. _ _
ANALISIS ESPECTRAL DE LA SERIE ORIGINALSCIl (¡946 JOGO)
E
DENSIDADBPECTRAL
co8
3
B
IZ 6 J 2,5
T (mon!)
ANALISIS ESPECTRAL DE LA SERIE ORIGINALSC IG IIOlG-IGGGI
TInnnI
ANALISIS ESPECTRAL DE LA SERIE ORIGINALSC2O (IGAC-¡900)
i sI otsoo ulu lg IZOn.(h VI
W OOO z3t; ZOO 28 8
o ñ
TImnn) Than")
ANALISIS ESPECTRAL DE LA SERIE ORIGINAL ANALISIS ESPECTRAL DE LA SERIE ORIGINALRSI “BAG-ISOC) R53 IIDAO-IGGGI
"Joo ¡ao «
g E É Fow a ‘- xl 240 y, ¡2° “si '"’ w ‘Ltu o * ———__9 a9 no a so <tn
5 fio h"—_" "T --__ __—---"' ' ¡z s J La
T (uno-I TIMO-n)
ANALISIS ESPECTRAL DE LA SERIE ORIGINAL ANALISIS ESPECTRAL DE LA SERIE ORIGINALRSII “SAG-IDG” RSJIIIQOG-IOOGI
.1 __________í g ----- —--___r- ——____U l:“1 w3. a;tu u° o5 3¡2 B¡u fi° o
' :2 é 3,9 2:5Thin")T (mono)
Figura 21 - Análisis espectral de las series originales de precipitaciones de Santa Catarina y Rio Grande del Sur.
65
00.00.00...0.0...0...OOOOOOOOOOOOOOOOOOOOOOOOOOOOOOCOOI
DENSIDADESFECTRALDENSIDADESPECTRAL
DENSIDADESPECTRAL
DENSIDADESPECTRAL
ANALISISESPECTRALo: LAsem: nuncasm FILTRO:MÓDULOo: mxmmesv.
ooo. ----—-____ -_‘ A .
0.004" 4
0.002- .
fl n A A A
IZ 6 3 2,5TImnnI
ANALISIS ESPECTRAL DE LA SERIE FILTRADA
SP2! FILTRO: MÓDULODEIX-XmI/DESV.
43h .0 5,15 3
TlmnnI¡‘26
ANALISISesrgcnw. DELAsem: nmumPRI FILTRO:MÓDULOonx-xmmcsv.
¡2 is á 3TlmnnI
ANALISIS ESPECTRAL DE LA SERIE FILTRADA
PR 20 FILTRO: MODULODEIX-XmI/DESV.
T (mou!)
DENSIDADESPECTRAL
DENSIDADESPECTRAL
DENSIDADESPECTRAL
E ANALISISzsvccmu. oe LAsem: num»sr ununomóouw DE(xau/0:51
ÉÉS
D
ÉÉS
TImnnI
ANALISIS ESPECTRAL DE LA SERIE FILTRADA
SP29 FILTROINODULODEIX-XIIDESV.
D
T (mounI
ANALISIS ESPECTRAL DE LA SERIE FILTRADAPR IT FILTROS MODULODEIX-XMIIDESV.
5555
w
F 4
‘Ns‘——————
A' l ' A A
IZ 7,5 6 J 2,3TImnnI
ANALISIS ESPECTRALDELA SERIE FILTRADAPR 22 FILTRO: MODULO DEIX-XMI/DESV.
T(nun)
Figura 22 - Análisis espectral del modulo de (X-X)DESVde las seriesde precipitaciones total mensual de San Pablo y Paraná.
66
ANALISIS ESPECTRAL DE LA SERIE FILTRADASCM FILTRO:MDDULDDEIX-XmI/DESV.
ANALISIS ESPECTRAL DE LA SERIE FILTRADA
SCO FILTROIMODULO DEIX-XMIIDESV.
-I B1zy.ulunIII
9EVIzwo
TInn“) T(mon-I
ANALISIS ESPECTRAL DE LA SERIE FILTRADA ANALISIS ESPECTRAL DE LA SERIE FILTRADA
SC IG FILTRO:MODULO DE IX-XMIIDESV. SCZO FILTRO: MODULODEIX-XlnI/MSV.
a aan C <.- - -_‘-—u —s\ ‘E aan _____ __ <m _ _wO 0.004192 o.ooluo _ _ _ _ _____.
c A A A A
IZ 6 J 2,5TImeuc) T(mono)
ANALISIS ESPECTRAL DELA SERIE FILTRADA ANALISIS ESPECTRAL DE LA SERIE FILTRADA
RSI FLTRO: MODULODEIX-XMI/DESV- RSS FILTRO: MODULODEIX-XIII/DESV..1g o 0| Etu 0.000aw - - - —- - - ——- - - ——- —————-
2 A M4a l AAA A A ' M A v vÉaooeV W V V VV
¡.2 o J 2,5T (mom) TInnnI
ANALISIS ESPECTRAL DE LA SERIE FILTRADAANALISIS ESPECTRAL DE LA SERIE FILTRADA 'RSJI FILTRO: MODULODEIX-XM I/DESV.Rs" mno: no'oumoetx-xm/ ocsv.
o 9G)
o 2
> 0.003É
h________ _- ' J‘—-fi 0.00..
’ . ¡MMAMA m."----.Y-ÏV—V_V_VÏ_ AMY" °-°°2
¡z 8 í 23TImnn) T(mou-I
ObO¡
DENSIDADESPECTRAL
gDN5
Figura 23 - Análisis espectral del modulode (x-ï)/DESV de las seriesde precipitaciones de Santa Catarina y Rio Grande del Sur.
67
En las figuras 20 y 21 se observa el espectro correspondiente a los datos
originales de la precipitación total mensual, para el período 1948 - 1988. Las figuras 20
(A hasta H) presentan los espectros para distintas estaciones de San Pablo y Paraná.
Las figuras 21 (A hasta H). los espectros para distintas estaciones de Santa Catarina y
Rio Grande del Sur.
Se puede observar en las series de San Pablo y Paraná (la costa y
noreste de este estado) y SC8 (Santa Catarina) que el unico ciclo predominante en Ia
serie es el ciclo anual, para un nivel de confianza de 95%. Las otras series estan
dominadas por procesos predominantemente aleatorios, no obstante PR20, PR22,
SC16, y RS1 existen picos que representan longitudes de ondas entre 98 y 48 meses.
Esta ultima podria ser un reflejo de las ondas semi anual. SC14 presenta un pico en el
ciclo semi anual y Ia serie SC20 tiene significancia en las ondas de los ciclos anual y
semi anual. En las series de R. G. del Sur hay manifestación predominante del ciclo
anual, (RS1 y RSS) y semi anual, (RS11 y R831).
Para eliminación del ciclo anual se utilizó las series con filtro de
(X(I)—_)?)/0'. Los resultados son presentados en las figuras 22 (A hasta H), para San
Pablo y Paraná. Las figuras 23 (A hasta H) para S. Catarina y R. G. del Sur. Las series
filtradas de S. Pablo no presentaron Ia onda anual y para distintas series estudiadas se
presentaron picos espectrales de diversas longitudes de onda. aunque es evidente el
efecto de los procesos al azar. Las series de S. Pablo se quedaron más ruidosas.
En las series de Paraná, S. Catarina y R. G. del Sur el espectro muestra
distintas ondas importantes sin que ninguna tenga una inferencia climática evidente.
Las series filtradas en general no presentaron signos de la onda anual en las series del
Brasil Meridional analizadas.
Se estudió la coherencia regional de las series a través de la función
correlación lineal contra la distancia, para cada período (total anual, total de invierno y
total de verano), para todas las estaciones clasificadas por el análisis multivariado.
cluster y para cada provincia separadamente. En las figuras (24 C, D, E, F, G, H) se
68
_——vvvvvv'v'vvvvv'UOO...0.0....OCÓÓOOOOOOOÓOOOOÓÓÍ
mmmsnum marino¡IA-Lmu. asuma) W(M1H)
T BI
¡
F. I V
“:3:'.' .‘i.’‘2"' 2;".1.1..
4| . .
¿
4 7_._.A_i. .__u u 22
00mmMWhM1M).__,_.__,,_._ ._._
D
i
i
._ _ _ 4._ Si.l .
.L- . L V‘ __1a a
W mwW TOTALANUAL En
mmvmwoeuacsmmmuu1m)í ' Í G
ï
i
L_!¿
+I0..fu
1° ' i ¡.4__ - .. l L '
1a a "".2 z o vo u 1a namm
Figura 24 - Correlación en función de las distancias de lasestaciones del Brasil Meridional. Las distanciasfueron medidas en milimetros.
69
consumenvsnmooun:amvacuno-ma)
CORRELMIONNVIERNOOmasMNrumano-nu)
UBÏANCIA NÏMCIA
msnm viano.un"Navman
muuanme una"¡Nuno-1m)
momSJ‘AÏMMUHQN)
W O¡UTM (10.01-)
MRW
0mm
“¡mmm-mmemo".l 0 ll "DIO-1‘)
WR.0.u (10401.5)
Figura 25 - Correlación in funcion de las distancias para cadaprovincia del Brasil Meridional, periodo de invierno (6 meses) y verano (6 meses). Las distancias fueran medidas en milimetros. _
70
presentan las funciones de estructura o de correlación lineal con las distancias para el
total anual, de invierno y verano. Se nota una correlación más fuerte en el invierno
cuando se compara con el verano y el total anual. La homogeneidad regional existente
en el período de invierno. seria debido a los procesos fisicos que originan estas
precipitaciones y explican estas diferencias. En el invierno son predominantes las lluvias
debido a las masas polares por Io que son más homogéneos los campos de
precipitaciones resultantes (gradientes suaves), mientras que en el verano los sistemas
convectivos que son los más actuantes, provocan una mayor variabilidadespacial.
Existe una coherencia muy marcada para cada provincia estudiada (San
Pablo, Paraná, Santa Catarina y Río Grande del Sur). Para cada una de las provincias
fueron utilizados las series de las estaciones que se presentan en el Anexo l. Hay una
similitud con Io dicho en el párrafo anterior: una mayor coherencia en el invierno, con
muchos más puntos altamente significativos en relación al verano, figuras 25 (A, B, C.
D, E, F, G).
Las variaciones coherentes en los totales anuales están asociadas con
diversos tipos de sistemas precipitantes organizados que cruzan Ia región, tales como
nubes asociadas a frentes frías (Tarifa, 1975), líneas de inestabilidad (Scolar, 1983),
complejos convectivos de mesoescalas (SilviaDias et a|., 1986).
5.5 Meses más Lluviosos y más Secos
En la caracterización del régimen de lluvia, también se utilizó el porcentaje de la
contribución del promedio del mes en relación al promedio del año. en el período. El
anexo Vl muestra tablas del porcentaje de todos los meses para algunas estaciones. Se
hizo también la combinación de tres meses: período seco (mayo/julio)y período húmedo
(diciembre/febrero). así como la combinación de seis meses: período húmedo
(octubre/marzo) y período seco (abril/septiembre). Además de estos se calculó el
porcentaje de períodos de tres meses consecutivos.
Es importante observar que si todos los meses del año contribuyesen en
relación al total anual con la misma precipitación, tendríamos una contribución de 1/12
71
del total anual (8.33%). Este criterio podría ser adoptado para determinar
cuantitativamente los meses relativamente secos (todos los meses con porcentaje
inferior a 8.33%).
En la provincia de San Pablo, la contribución del mes de enero y diciembre
es, en el promedio. mucho mayor que la contribución de los otros meses y
significativamente mayor que el porcentaje de las otras provincias.
En Río Grande del Sur, el mes más seco es noviembre, pero es muy difícil
caracterizar el mes más seco en la región sur del Brasil (Paraná, Santa Catarina y Rio
Grande del Sur). Julio y agosto son los dos meses consecutivos más secos en la
provincia del Paraná, en el promedio, en este período de estudio.
Para la agricultura es de mayor interés el conocimiento de los tres meses consecutivos
más lluviosos para la mejor utilización del agua en el ciclo vegetativo de las plantas. En
Ia provincia de San Pablo y en el interior de Paraná, los tres meses más lluviosos
fueron diciembre, enero y febrero, con una contribución de 50% de Ia precipitación total,
pero con menores valores del norte para el sur. En Río Grande del Sur y Santa
Catarina la caracterización de los tres meses más lluviosos no es significativa (la lluvia
tiene una distribucióncasi homogéneo durante todos los meses).
Los tres y seis meses concentrados en el periodo de verano e invierno
muestran una marcada precipitación en el verano de San Pablo, con un promedio de
70% de esta contribución en este período.
Aunque en el período de tres meses haya una disminución, en relación a
los seis meses, es también más representativa la contribución del verano en relación al
invierno, con un promedio de 40% en este período, para San Pablo.
En Río Grande del Sur, en la mayoría de las estaciones, Ia precipitación
en el período de invierno de tres y seis meses es casi igual que la precipitación del
verano, en los mismos períodos, siendo un poco mayor en el invierno, aunque no
significativamente.
72
OOOOOOOOQOÓOOOOOOOOOOOOOOOOOOOOOOOOOOOOOO‘BOOOOOOOOOOCOÍ
En Paraná y Santa Catarina las precipitaciones de verano son más
abundantes. en el promedio. que las de invierno pero no significativamente mayores.
Esto muestra, una vez más, una transición entre los regímenes de precipitaciones del
sur (Rio Grande del Sur) y el centro (San Pablo).
De todo lo anterior puede inferirse que la Convergencia Intertropical podria
dominar Ia ocurrencia de máximos anuales en diciembre y enero. Esto se atenúa hacia
al sur donde aparece como importante otros procesos que podrían ser la advección de
aire húmedo de noroeste y quizás el calentamiento e enfriamiento de agua del mar.
5.6 Estudio de la Variabilidad lnteranual
Se nota que en la correlación lineal en función de Ia distancia, centrada en
años de ENOS hay una dispersión de los puntos, en cada una de las provincias. Tal
hecho se explica debido a la necesidad de una mayor regionalización de este fenómeno
en cada una de ellas.
EI estudio de variabilidad interanual esta relacionada con la ocurrencia o
no de ENSO. Este fenómeno podría hasta modificar ciertos aspectos de Ia estructura
espacial de Ia precipitación, en efecto las figuras 24A y B muestra Ia función de
estructura para los años de El Niño y La Niña. respectivamente.
La figura 24A muestra la correlación de los datos centrados en años de El
Niño. Se nota una mayor dispersión de los puntos respecto a los estudios de función de
correlación con la distancia hecho anteri0rmente, no obstante persiste el mismo tipo de
función con la distancia. Se advierte que la presencia de El Niño tiende a generar un
campo espacial más aleatorio.
Otro estudio importante fue observar en las estaciones elegidas el signo
de Ia precipitación anual en relación al promedio climatológico del periodo de estudio.
Para cada provincia se utilizóperíodos distintos intentando estudiar una mayor cantidad
de variabilidades interanuales. Se nota en el estudio de los años en que ocurre El Niño
que disminuye la homogeneidad regional dentro de cada provincia aunque predomina lo
aumento de la precipitación anual, anexo VII.
OOOOODOOOCOOOOOOQOOOOOOOÓOOOOOOOOOOOOOOOOOOOC000......
INDICE
INDICE
"¡DICE
INDICE ESTANDARIZADOu LA PP INDICE ESTANDARIZADO DE LA PP
SAN PABLO PARANA
luUOE
-l
Años
INDICEnuoamznoo o: LApp mmce esnnoamoo o: LAnS. CATARINA R.0. dal SUR
I
U2DE
AÑOS años
mmc: csnuonmoo o: LApp moves¡summmo o: LAwsun DEBRAML annsu MEMDmNAL
I%
I s 96
U2DE
4a so 04 72 oo no 49 oo oo 19 oo
años años
Figura 26 - Indices estandarizados de las precipitacionesde San Pablo, Paraná, Santa Catarina, RioGrande del Sur y Brasil Meridional.
74
De esta manera se buscó otra metodología de análisis. para filtrar los
efectos regionales que eventualmente podría estar descaracterizando los signos de
escala mas grande.
5.6.1. Estudio del Índice de Anomalías de la Precipitación
EI objetivo es estudiar, de otra forma, la relación del fenómeno ENOS con
las precipitaciones en las provincias del Brasil Meridional, del sur de Brasil (Paraná, S.
Catarina y R. G. del Sur) y de cada una de las provincias separadamente, anexo Vlll.
Las figuras 26 (A, B, C, D, E, F) muestran los resultados obtenidos para cada situación.
EI estudio de la provincia de San Pablo aparece, en los gráficos que los
años con mayor cantidad de lluviaen el período de 1940 - 1984 estuvieron asociados a
fuertes episodios cálidos del OS, especialmente 1982 y 1983. Los valores del índice de
precipitación muestran que durante los episodios de las precipitaciones anuales fueron.
en promedio en el área, sobre los del promedio climatológico.
Para San Pablo. todos los episodios cálidos de la OS, 1940 a 1984
estuvieron significativamente asociados con la precipitación en esta provincia, pero con
distintos patrones. Unos estuvieron asociados con los años más lluviosos, 1972, 1976,
1982 y 1983; otros se manifestaron a través de la persistencia de las anomalías débiles
con Ia signo positiva o negativa.
Durante episodios menos intensos de 1951, 1953 y 1969, también se
observa que las anomalías en las precipitaciones anuales no fueron tan significativas.
Para estos años los desvíos fueron de - 0.28 (1951), - 0.75 (1953) y - 0.84 (1969). Pero
el episodio de 1963 coincidió con el año más seco del período analizado, con una media
en el área de 4.720, que en término de significancia estadística fue comparable a los
años 1965, 1972, 1976 y 1982, coincidiendo con lo visto por Sugahara (1991).
Así no se verifica una relación muy consistente entre ENOS y las
precipitaciones anuales en la provincia de San Pablo. La figura 26A (para el período 40
88) muestra este hecho con límites de probabilidades de 1%, 5% y 20%, para la serie
de anomalía estandarizadas.
75
Sugahara (1991), hizo la isolinea de Ia precipitación para cada año de los
presentados en la serie estandarizada. años de El Niño, Oscilación Sur. Las cartas.
para cada uno de estos años muestran un patrón espacial de anomalías: 1)
consistentemente con el índice de precipitación todas las estaciones recibieron
precipitación sobre sus valores normales, aunque muchas veces no hayan sido
significativos; 2) el área de máxima anomalía cambió considerablemente para cada
episodio. Por ejemplo, se puede notar que, en 1972 las lluvias se concentraron en la
parte oeste de la provincia estudiada. En 1976, la concentración de la precipitación fue
en Ia parte sudeste; 3) En el año 1983, fue el ejemplo más importante del impacto de la
OS sobre la precipitación en esta provincia. Los valores de la precipitación excedieron a
2o sobre prácticamente todas las estaciones y hasta 30 en algunas de ellas.
Para la provincia de Paraná fue generada una serie de anomalía
estandarizada del año de 1948 hasta 1992. Los límites de probabilidad fueron los
mismos 1%, 5% y 20% para este y los demás estudios realizados con este índice.
Hay que destacar cinco años, dos asociados al fenómeno ENOS. con
marcada señal de precipitación sobre lo normal. La figura 26B presenta el gráfico del
índice para la provincia del Paraná, donde los años de 82/83 son los marcadamente
significativos, siendo de un promedio muy superior al promedio climatológico de Ia
región. EI año 1957 muestra un desvío de 1.47; 1965 un desvío de 1.12; 1972 un
desvío de 0.95; 1982 un desvío de 0.94 y 1983 un desvío de 2.30.
Otros episodios cálidos como 1951, 1953, 1963, 1969, 1976, 1986 y 1987
no muestran precipitaciones significativas como las anteriores, teniendo inclusive
desvíos negativos: 1951 (-0.52), 1953 (-0.17), 1963 (-0.21) y 1969 (-0.32).
Las provincias de Santa Catarina y Río Grande del Sur, fueron estudiadas
en períodos distintos: 1946 - 89, Santa Catarina y 1944 - 88, Río Grande del Sur. Hay
una señal muy marcada en Santa Catarina (1983) y 1966, 1972 1983/84 y 1987, para el
caso de R. G. del Sur, figuras 26 C y 26 D.
76
La figura 26C muestra el índice estandarizado de la precipitación de la
provincia de Santa Catarina. Hay tres señales muy marcadas de la relación de
precipitaciones con los episodios cálidos de la Oscilación Sur. Los años con los
respectivos desvíos son: 1957 (1.16), 1983 (2.38) y 1987 (1.04).
Otros episodios cálidos como 1951 (-0.60); 1953 (-0.61); 1963 (0.16);
1965 (0.48); 1969 (-0.23); 1972 (0.66); 1976 (0.49); 1982 (0.62) y 1986 (0.24) no
muestran precipitaciones significativas como los años anteriores, teniendo inclusive
valores negativos.
La figura 268 muestra el gráfico del índice estandarizado de la
precipitación de la provincia de Río Grande del Sur. Hay cuatro señales con
precipitaciones marcadas dentro de los episodios cálidos de la Oscilación Sur. Los años
con los respectivos desvíos fueron: 1972 (1.57); 1982 (0.95); 1983 (1.26); 1986 (0.82) y
1987 (0.89).
Se nota una incoherencia de las precipitaciones en cada provincia con
respecto a la aparición del fenómeno ENOS, algunas veces ocurriendo señales
importantes en períodos donde este fenómeno no estuvo presente. Como hay en
bibliografia muchas afirmaciones de mayor precipitación asociada con la aparición del
fenómeno en la región sur. se estudió toda la región (Paraná. Santa Catarina y R. G. del
Sur) utilizando el procedimiento anterior. para los promedios areales.
Previo a ello, como se mencionó en el aspecto metodológico es necesario
hacer el estudio de las RV‘s(relaciones de varianzas). Cada situación presentado en la
tabla 8 a seguir se nota que los valores de las Vt (varianza temporal) son mayores que
los valores de las Vx(varianza espacial).
Estos valores muestran una variabilidad temporal altamente significativa,
Io que es importante para el estudio de las ondas de baja frecuencia (El Niño, por
ejemplo).
77
mc: (EN) poc: (EMWPMLOflD0|Üh M0001“)
ponce (E ¡DICE (EOF)S.GATMMUNJJN) R G.ML” "NG-1'”
NDOCE (EOF)¡DICE (EOF)MLWUMÍW) su.WMLUWIW)
Figura 27 - Indices obtenidos a traves del EOF's (Factor Scores), paracada provincia y para el sur de Brasil y Brasil Meridional
78
Tabla 8 - La tabla presenta la variación temporal y espacial de las estaciones del
Brasil Meridional
Con relación a las precipitaciones anuales durante períodos fríos de Ia
Oscilación Sur, no hay evidencias significativas de anomalías importantes en estas
precipitaciones, en el área de estudio. La tabla 9 muestra los desvíos para cada año y
para cada estación, dela región estudiada.
Tabla 9- Desvios de la precipitación estandarizada de las provincias del Sur del
Brasil. para los episodios fríos de la OS.
Se calculó otro índice a través de las componentes ortogonales (EOF), para
cada provincia. para el Sur de Brasil y para el Brasil Meridional. Se correlacionó los dos
índices: el indice estandarizado y el indice obtenido por el “factor score" . Los valores
de las correlaciones para cada provincia (índice estandarizado de S. Pablo y índice a
través de la EOF) resultaron en valores por encima del 80%. Esto valida las inferencias
hechas anteriormente con el índice estandarizado. La figura 27, presenta los gráficos
obtenidos a través de las componente ortogonal para cada provincia y región. A la vez
que certifica la eficacia en Iodiagnostico de un método simple como este de los índices.
En la figura 28 están las series de los índices de precipitación obtenidos
EOF, usando las estaciones dada por el cluster para cada provincia. Este estudio no
cambió las inferencias obtenidas anteriormente para cada provincia a través del índice
estadarizado. Esto implicaque no hay singularidad subregionales en Ia precipitación en
relación con la ocurrencia de ENSO.
En otro estudio se generó nuevos índices estandarizados tomando
solamente las estaciones agrupadas según el método multivariado.Cada grupo generó
un índice estandarizado : S. Pablo con dos grupos, Paraná con dos grupos, S. Catarina
con dos grupos y R. G. del Sur con tres grupos. Considerando que esta clasificación
(cluster) junta estaciones con alguna identidad, se calculó una vez más el índice
buscado detectar signos importantes en áreas especificas. Esto no cambió las
conclusiones ya que los signos o cambiaran significativamente para cada fenómeno
estudiado, figura 28 (A, B, C. D, E, F, G, y H).
5.6.2. Índice de Precipitación Mensual Centrada en Años de El Niño
Para verificar si hubo alguna relación importante que no hubiese sido
detectada a través del índice de precipitaciones anuales o algún patrón de
comportamiento consistente con el ciclo típico de períodos cálidos, fueron hechas
composiciones del índice de precipitaciones mensuales centradas en distintos conjuntos
de años de EI Niño, tabla 10, gráficos en la figura 29 (A hasta D).
Tabla10- Casos de ENOS considerados en las composiciones del índice de
precipitaciones mensuales
80
me!¡37mmml “CHW M"ruso-uu) 911m1")
IW![WW m I memmm M I|p.uu,“ "(104102)
¡memmm Mi ¡memmm Mlacumula "UNO-1.)
I'Ia
207o
MEUW MM¡na¡mmm M I|ll (1.444.)HUMO-1*)
l .Ío
IO‘Ia
m :
Figura 28 - Indices egtandarizados (anual) de las precipitaciones decada region clasificadas por el metodo de Análisis deAgrupamento (Cluster).
81
El estudio fue hecho para cada provincia separadamente. El estudio de las
otras provincias (Paraná, Santa Catarina y Río Grande del Sur) fue de 1948 hasta 1988.
Los resultados son presentados en la figura 29, curvas (a) - (d). La curva
(d) corresponde a la composición relativa a los años que no fueron de El Niño.
Las composiciones de TSM para cuatro áreas "claves" de ENOS (Niño-1.
Niño-2, Niño-3. Niño-4) corresponde a la curva (a), figura 30. Los casos considerados
en la composición (b) son los mismos analizados en la composición de Rasmusson y
Carpenter (1982) y el caso (c) por Arkin (1982). La composición (d) incluye todos los
casos en el período de 1948 hasta 1988, examinado en este trabajo.
La t de Studend (t5%) para 39 grados de libertad es mostrados como
referencia, la verdad es que t5% varía entre 1.67 y 1.70 aproximadamente, debido a la
variación de los grados de libertad entre las composiciones.
En las tablas 11 (A, B, C, D, E, F), los signos positivos, presentaron
anomalías mayor que o y los signos negativos anomalías menor que -O.90. Esos límites
corrresponden al nivel de probabilidad de 15% aproximadamente. Las columnas de Ia
derecha son mostradas las anomalías relativas de las precipitaciones anuales. Se
puede notar que incluso entre los años de El Niño típicos, el comportamiento de la
precipitación mensual cambió significativamente.
En la figura 29 es evidente que las anomalías más importantes en las
precipitaciones de cada una de las provincias ocurrieron de acuerdo con los estudios de
Rasmusson y Carpenter (1982) típicamente en la fase de transición de ENOS o
después del punto máximo de El Niño, cuando las anomalías positivas de TSM habían
tomado cuenta de prácticamente todo el Pacífico Ecuatorial, desde la costa de Peru
Ecuador hasta alrededor de 160° E. Las composiciones de Rasmusson y Carpenter
(1982) muestran también en esta fase. intensa anomalía de Oeste en los vientos alisios
a Oeste de 140° W, sugiriendo debilitamiento de la circulación de Walker y
desplazamiento para el sur de la Zona de Convergencia Intertropical (ZCIT)del Pacífico
en relación a su posición climatológica.
82
+
4.
conmayores que o y menores que -O.90durante los años centrados en los ENOS. para San Pablo
OOI'I
+
+ + +- con
mayores que c y menores que -0.90 durante los años centrados en los ENOS, para Santa Catarina
83
mayores queSur
mayores queBrasil
Uy
Oy
+
+
+ - +
conmenores que -0.90 durante los años centrados en los ENOS, para el Sur de
COD
mayores que o y menores que -O.90 durante los años centrados en los ENOS. para el BrasilMeridional
84
+ +
conmayores oue o y menores que -O.90’durante los años centrados en los AENOS. para San Pablo
+ +
conmayores que o y menores que -0.90 durante tos años centrados en los AENOS, para el Parana
+
- conmayores que o y menores que -0.9cs durante los años centrados en los AENOS. para Sa ¡eCatarina
85
DOOOOOO...COQ.QQ..OOOÓOOOOOOOCOOOOOOOOOOOOOOOOOOOOOOOOOOOI
"‘TïáióM’ÁüA"¡N'r’s‘i‘L
-o
OOn
mayores que o y menores que -O.90durante los años centrados en los AENOS, para R. G. del Sur
conmayores que o y menores que -0.0o durante los años centrados en los AENOS, para el Sur deBrasil
* - - +- con
mayores que o y menores que -0.0o durante los años centrados en los AENOS. para el BrasilMeridional _
86
WEWMMDELAPP mzwmmnouuwSEM-18m PEN-¡Bm
\‘
WWWMLAH’mmmwoeuw Ktm-i a!“¡I'm-¡amb
India
todo. lo. años: 40,4!,5!,53,57,BJ,65,69,72,76,02,0J,06,67
—-----------Ion ollo. : 5!,53,57.65,69,72
-----— lo. ollo:: 57,63,65,69,72,76
_____.— los años: 69.72.76
— losdemósaños
Figura 29 - Indices estandarizados de las precipitacionescentrados em distintos años de El Niño.
87
I————————T—Niño 1+2
o o ¡20°w 90°wI60°E 'El’o '5.° w 1
._ '— . O
oa! Nuno 4 Nuno 3 Niño2 3.5Niño 1 Ilo.s
Figura 30 - Composicgones de-TSMpar? cuatro areas "claves" deENOS (Nino 1, Nino 2, Nino 3 y Niño 4).
88
Con base en el análisis de Arkin (1983), se puede inferir por ejemplo, que
durante este período ocurre también una intensificación de la corriente de chorro sobre
el Pacífico Sur. asociado con aumento de las actividades convectivas en el Pacífico
Ecuatorial. Es posible que esta corriente en chorro haya favorecido más inestabilidades
atmosféricas con frentes frias en Ia región sur del Brasil que en los años de anti El
Niño. Estos frentes. por su vez, en sus entradas para las latitudes más bajas pueden
haber organizado actividades convectivas sobre esta región como aquellas que fueron
observadas en los períodos de 1982/1983, Kousky et. al. (1984). Hay también
evidencias de que los sistemas convectivos de mesoescala tales como MCC’stienden a
formarse en Ia parte ecuatorial de Ia corriente en chorro, Velasco y Fritch, (1987) y
Silvia Dias, (1987).
La tabla del anexo Vll muestran que tales ideas son válidas en términos
medios. por lo menos para Ia región de este estudio, debido a que Ia precipitación no ha
sido regular en todos los años de El Niño. Esto puede ser visto más claramente en las
tablas 11 (A, B, D, E, F) donde el signo (+) representa anomalías mayores que 0' y (-)
anomalías menores que -0.9o. Eses límites corresponden al nivel de probabilidad de
15% aproximadamente (la probabilidad de un desvío está fuera del intervan de 30%).En la columna a Ia derecha de la tabla 11 son mostradas las anomalías
relativas a las precipitaciones anuales. Se puede notar que incluso en los años de El
Niño típicos el comportamiento de la precipitación mensual varió considerablemente.
5.6.3. Composición en Relación a Períodos Frios
La composición centrada en los 9 años de anti-El Niño, muestra un patrón
menos consistente comparado con los patrones relativos a los ENOS’s para todas las
regiones de este estudio. Los valores de las anomalías anuales para cada región
presentan valores positivos y negativos independiente de la región.
89
6) CONCLUSIONES
La precipitación en el Sur de Brasil y Brasil Meridional presentan una
característica muy marcada de máximos en verano y mínimos en invierno en San
Pablo, en la costa de Paraná y Santa Catarina. La parte continental de Paraná, Santa
Catarina y Río Grande del Sur tiene una estructura más aleatoria. El Nordeste de
Parana también presenta una estructura semejante a San Pablo.
Esta región por lo tanto muestra a través de onda anual, una transición de
Ia precipitación de tal manera que siendo muy nítida al norte de la región desaparece al
sur de la misma.
La variabilidad estudiada luego del filtroeficazmente obtenido nos muestra
que las series estan dominadas esencialmente por procesos aleatorios y que toda la
persistencia esta dada por onda anual cuando ella existe.
Los porcentajes de precipitación de los meses en los años muestrarian
una clara división en Ia región de la influencia de Ia Convergencia lntertropical y los
procesos de advección del aire húmedo de norte.
En San Pablo llueve más en diciembre, enero y febrero en Ia parte
continental y hay un desplazamiento en Ia costa de este período para enero, febrero y
marzo. En Ia provincia de Paraná la lluvia tiene una estructura de mayor precipitación.
en Ia costa, en los meses de enero, febrero y marzo. Pero en Ia parte continental del
centro para Oeste la concentración de Ia precipitación es en noviembre, diciembre y
enero. Del centro de la provincia hacia la costa este período se desplaza a los meses
de diciembre, enero y febrero. En Santa Catarina. en los meses de enero, febrero y
marzo se da una mayor precipitación en Ia costa. En Ia parte continental esta marcada
una mayor precipitación en agosto. septiembre y octubre. En Río Grande del Sur la
tipificación de la precipitación, para el período de tres meses más lluviosos es muy
aleatoria. Por ejemplo, próximo de la costa los tres meses consecutivos más lluviosos
90
son julio, agosto y septiembre; en la región de S. V. Palmar, en el extremo sur los tres
meses consecutivos son marzo, abril y mayo y al centro de esta provincia los tres
meses más lluviosos son abril, mayo y junio.
Es importante observar, que en general, el mes de enero es muy marcado
en la precipitación de las provincias de San Pablo, Paraná y la costa de Santa Catarina.
Pero en la parte continental de Santa Catarina y en la provincia del Rio Grande del Sur
no hay un mes más marcado.
La función de correlación lineal con la distancia muestra una mayor
coherencia de la precipitación en el período de invierno respecto al verano, en cada una
de las provincias. Esto tiene una directa relación con los procesos dominantes de latitud
medias y subtropicales respectivamente.
El análisis multivariado posibilitó a generación de grupos dentro de cada
provincia, sintetizando las informaciones y generando grupos homogéneos, dentro del
área de estudio.
En Ia escala temporal de la oscilación interanual. la OS es importante en la
precipitación del Brasil Meridional. especialmente durante los años de El Niño (ENSO).
De doce episodios calientes de la Oscilación Sur que ocurrieron durante el período
analizado, once estuvieron asociados con Ia precipitación de San Pablo. Con diferentes
patrones, algunos estuvieran asociados con años más lluviosos. Los períodos cálidos
que estuvieron asociados con las anomalías positivas de Ia precipitación mensual
fueron más marcados en el período de julio a noviembre y más en el norte que en el sur
de la región.
Los episodios fríos. fase anti-EI Niño de Ia OS fueron más débiles y
regulares en términos del signo de anomalías de la precipitación mensual.
En las demás provincias hubo. en Ia mayoría de los casos cálidos o fríos,
anomalías marcantes principalmente en los El Niños. Se puede observar que para
91
distintas provincias hubo distintos episodios marcadamente significativos, dentro del
período estudiado.
EI análisis de varianza hecha para los años, del período 1948-1988,
muestra el año de 1983 como distinto de los demás para la provincia de San Pablo,
Paraná y Santa Catarina. En la provincia del Río Grande del Sur este año es también
muy importante pero mezclado con otros años.
El análisis de varianza también determinó que la provincia del Río Grande
del Sur tiene una característica muy distinta de las otras. Al se hacer el estudio de
estaciones - años, se observa la necesidad de se estudiar cada estación - año para
determinar la variabilidad de esta provincia. En las demás esto no es necesario.
El índice estandarizado de la precipitación es una metodología eficaz y
simple para el estudio de variabilidad interanual reemplazando a otras más sofisticadas
pero que dan la misma conclusión.
El análisis subregional dada por los clusters y la comparación con el
análisis provincia o regional muestra que no hay singularidad de la escala más pequeña
a Ia mayor que altere las conclusiones obtenidas con la mayor. En otras palabras. esta
región desde este punto de vista tiene una homogeneidad apreciable.
Jonas .rNery Dr. Walter M. Vargas
92
BIBLIOGRAFIA
ANDERSON, T. W.; 1958: An Introduction to Multivariate Statistical Analysis. New York,
John Wiley. p. 312.
ACEITUNO, P. 1988. On the functioning of the Southern Oscillation in the South
American sector. MonthlyWeather Review, 116, 505 - 24.
ALESSANDRO, A. GARIN, A. Y QUINTEROS Y. 1992. Aplicación de modelos de
simulación para generar datos faltantes. Congreso Latinoamericano de
Meteorología, Salamanca, España.
ARKIN, P. A.; 1982: The Relationship Between lnterannual Variability in the 200 mb
Tropical Wind Field and the Southern Oscillation. Month/y Weather Review, 110,
1393-1404.
AZEVEDO, C.D., 1985. Chuvas no Brasil. Regime, variabilidade e probabilidades de
alturas mensais e anuais. Revista Meteorológica, 61-77.
BASSAB, O. W., MIAZAKI, S. E. y ANDRADE, F. D. 1990. Introducáo á análise de
agrupamentos. IX Simpósio Brasileiro de Probabilidade e Estatística. IME,
Universidade de Sáo Paulo. 105pp.
BJERKNES, J.; 1966: A Possible Response of the Atmospheric Hadley Circulation to
Equatorial Anomalies of Ocean Temperature. Tellus, 18, 820-829.
BJERKNES, J.; 1969: Atmospheric Teleconnections from the Equatorial Pacific. Monthy
Weather Review, 97, 163-172.
BLACKMAN,R.B. and TUKEY, J. W.; 1958: The Measurement of Power Spectra, New
York, Dover Publications.
BOX, C. E. P.; 1953: Non-Nomality and Tests on Variances. Biometn'ka, 40, 318-335.
BROOKS, C.E.P. y CARRUTHERS, N. 1953. Handbook of Statistical Methods in
Meteorology, London.
93
BRUNET-MORET, Y. 1971. Etudes de l'homogenéite de Séries Chronologiques
Annuelles par la Méthode des Doubles Masses - Cahiers hydrologiques ORSTOM.
Vol XVI, N° 3, p. 147.
BRUNET-MORET. Y. 1979. Homogéneisation des Precipitations. Cashiers
Hydrologiques ORSTROM. Vol lll, N° 4, 3-31.
BURGHARDT, S. S., DEVOTO, S. l. N., FRAGA, B. S., MONTES, A. E. Y ORTEGO,
N. M. 1985. Distribución Geografica de Ia Precipitación en la America del Sur y su
Marcha Anual. Revista Meteorologica, 205-213.
CALINSKI, R. B. and HARABASZ, J.; 1974: A Dendrite Method for Cluster Analysis,
Communications in Statistics, 3, 1-27.
CARAMORI, H. P. E FARIA, T. F., 1987: Frequéncia de Periodos de 10 dias
Consecutivos con Deficiencia Hídrica (veranicos) para Londrina e Ponta Grossa.
lAPAR, Bol. Tec. N° 20.
CASARIN, D. P. 1982: Um Estudo Observacional Sobre Sistemas de Bloqueio no
Hemisferio Sul. Dissertacáo de Mestrado. INPE-2638-TDL/114. Sáo José dos
Campos.
CORMACK, R. M., 1971: A review of Classifications. JRSS, A, 134, 321 - 327.
DEVOTO G., GARCÍA BEN, M. y MOYANO M. C.; 1980: Estimación Estadísitca de
Información Hidrológica Faltante, Informe Técnico n° 12 INCYTH.
FIGUEROA, N. S. e NOBRE, A. C., 1990: Precipitation Distribution Over Central and
Western Tropical South America. Climanalise, Vol. 5, N° 6.
FRIEDMAN, H. P. & RUBIN, J.; 1967: On Some lnvariant Criteria for Grouping Data.
Journal of the American Statistical Association. 62, 1159-1178.
GAMA,M. P.; 1980: Bases da Análise de Grupamentos (Cluster Analyisis). Dissertacáo
de Mestrado. Departamento de Estatistica, Brasilia, UNB.
94
GAUCH, H. G.; 1982: Multivariate Analysis in Community Ecology. Cambridge
University Press. 250pp.
GOMES, A. M._ MASSAMBANI, O. ; 1984: Aspectos Meteorológicos Associados a
Eventos em S. Paulo - Estudos de Casos. IllCongresso Brasileiro de Meteorología.
Belo Horizonte, 3-7/12/1984, 216 - 220.
GRIMMER, M.; 1963: The Space-Filtering of Monthly Surface Temperature Data in
terms of Pattern, Using Empirical Orthogonal Functions. Quart. J. Roy. Meteor.
Soc, 39, 395-408.
HAMILTON, M. G. and TARIFA, J. R.; 1978: Synoptic Aspects of a Polar Outbreak
Leading to Frost in Tropical Brazil. July 1972. Mon. Wea. Rew., 106, 1545-1556.
HERAS. R., Hidrología y Recursos Hidraulicos. Tomo I. Dirección General de Obras
Hidraulicas. Centro de Estudios Hidrograficos. Madri, 1976.
HOFFMANN, J. A. J., 1975. Atlas Climático de America del Sur. Primera Parte. OMM,
Ginebra.
HOFFMANN, J. A. J., Alesandro, A. P.. López Galinde, B. S. y Rojas. R. S.,1979.
Homogeneidad de los Datos de la Frecuencia de Precipitacion y el Análisis de sus
Campos Correspondientes al Atlas Climático de America del Sur.
METEOROLOGICA, Vol. 8/9, Argentina.
HOREL, J. D,; WALLACE, J. M.; 1981: PIanetary-Scale Atmospheric Penomena
Associated with the Southern Oscillation. Month/y Weaher Review, 109, 813-829.
HOSKINS, B. J.; KAROLY. D.; 1981: The Steady Linear Response of a Spherical
Atmosphere to Thermal and Orographic Forcing. Jour. Atm. Sci., 38, 1179-1196.
ICHYE, T.; PETERSEN, J. R.; 1963: The Anomalous Rainfall of the 1957-58 Winter in
the Equatorial Central Pacific Arid Area. Journal Meteoro/ogical Society Japan, 41,
172-182.
JENKlNS, G. M. WATTS, D. G, 1968. Spectral Analysis and its Applications. San
Francisco, USA, Holden-Day , p. 552.
95
0......DOOOOOOOOOOOOOOOQO...OOOOOOOOOOOOOOO0.0.0.0.0.0!
JONES. R. H.. 1964. Spectral Analysis and Linear Predction of Meteorological Times
Series. Journal of Applied Meteorological. Vol. 3.
JULIAN, P. R.; CHERVIN, R. M.; 1978: A study of the Southern Oscillation and Walker
Circulation phenomenon. Month/y Weather Review, 106, 1433-1451.
KASAHARA,A.; SILVA DIAS, P. L.; 1986: Response of Planetary Waves to Stationary
Tropical Heating in a Global Atmosphere with Meridional and Vertical Shear. Joumal
of the Atmospheric Sciences, 43, 1983-1911.
KATZ, R. W.; 1978: Estimating the Order of a Markov Chain - Another Look at the Tel
Aviv Rainfall. Proceeding of the Vl Conference on Probability and Statistics in
Atmospheric Sciences. Amer. Meteorol. Soc..
KATZ, R. W.; 1982: Statistical Evaluation of Climatic Experiments with General
Circulation Models (GCM): Parametric Time Series Modeling Approach, Jour. of
Atm. Sciencs, Vol 39, n° 7.
KATZ, R. W.; GLANTZ, M. H.; 1986: Anatomy of a Rainfall Index. Month/y Weather
Review, 114, 764-771.
KIDSON, J. W.; 1975: Tropical Eigenvector Analysis and The Southern Oscillation.
Monthly Weather Review. 103., 187-196.
KOUSKY, V. E. 1985. Atmospheric Circulation Changes Associated with Rainfall
Anomalies over Tropical Brazil. Mon. Wea. Rev., 11321951-1957.
KOUSKY, V. E. and ROPELEWSKI F. C. 1989. Extremes in the Southern oscillation
and their relationship to precipitation anomalies with emphasis on the South
American Region. Revista Brasileira de Meteorología. 351-363.
KOUSKY, V. E. E CASARIN, P. D. 1986. Anomalias de precipitacáo no sul do Brasil e
variacáo na circulacáo atmosférica. Revista Brasileira de Meteorología. 83-90.
KOUSKY, V. E. e CAVALCANTI, I. F. A. 1984. Eventos Oscilacáo do Sul-El Niño:
características, evolucáo e anomalías de precipitacáo. Ciencia e Cultura, 36(11):
1188-1899.
96
KOUSKY, V. E., KAGANO. M. T. e CAVALCANTI, I. F. A. 1984. A review of the
Southern Oscillation: Oceanic-atmospheric circulation changes and related rainfall
anomalies. Telius, 36A. 409-504.
KRAUS, E.V.; 1977: Subtropical Drougths and Cross-Equatorial Transports. Mon. Wea.
Rev., 105, 1009-1018.
KRUEGER, A. F.; WlNSTON, J. S.; 1975: Large-Scale Circulation Anomalies Over the
Tropics during 1971-72. Monthly Weather Review, 103, 465-473.
LAU, K. M.; CHAN, P. H.; 1983: Short-Term Climate Variability an Atmospheric
Teleconnections from Satellite-Observed Outgoing Longwave Radiation. Part l:
Simultaneous Relationships. Journal of the Atmosphen'c Science, 40, 2735-2750.
LAU, K. M. and LIN, H.; 1984: On the Dynamics of Equation Forcing of Climate
Teleconnections. Journal of the Atmospheric Sciences, 41, 161-176.
LEWIS, T.; 1970: The Statistician as a Member of Society. Inaugural Lecture, University
of Hull.
LIMA,M. C., SANTOS, R. C. & MORAES, J. C.; 1989: Estudo de Secas no Estado de
Alagoas. Vl Congresso Brasileiro de Agrometerologia, Maceió, p. 160-169.
LIMA,M. C.; 1991: Variabiiidade da Precipitacáo no Litoral Leste da Regiáo Nordeste
do Brasil. Dissertacáo de Mestrado. INPE - 5283 TDI/453.
MACDONALD,E.J., 1957. A note on the precision of estimation of missing precipitation
data. Transaction, American Geophysical Union. Vol. 38, N° 5.
MILLIGAN, G. W. & COOPER, M. C.; 1985: An Examination of Procedures for
Determining the Number of Clusters in Data. Set. Psychometrika, 50(2), 159-179.
MONTEIRO, C. A. F. 1969. A Frente Polar Atlántica e as Chuvas de Invemo na
Fachada sul - Oriental do Brasil. Contribuicáo etodológica a Análise Rítmica dos
Tipos de Tempo no Brasil. Instituto de Geografia, Universidade de Sáo Paulo,
68pp.
97
MORRISON, D. F.; 1976: Multivariate Statistical Methods. McGraw-Hill book Company,
2° Ed, 415pp.
MOYANO, C. M., SARACHO Z., FERNANDEZ, M. S., ARES J. 1985. Estudio Acerca
de los Errores en la Medición de Ia Precipitación. Revista Meteorologica, 7-29.
NIMER, E. 1979. Climatología do Brasil. Superintendencia de Recursos Naturais e Meio
Ambiente (SUPREN), Fundacáo Instituto Brasileiro de Geografia e Estatística. Série
Recursos Naturais e Meio Ambiente, n° 4, 421 pp.
NOBRE. C. A. and OBREGON G. 0.; 1990: Principal Component Analysis of
Precipitation Fields Over the Amazon River Basin. Climanálise, vol 5, 7, 35-46.
NUÑEZ, N. M, 1987. Clima: Evolución y Futuro. Boletín Informativo Techint, N° 247.
PANOFSKY, H. A. y BRIER, G. W. 1965. Some Applications of Statistics to
Meteorology, Pennsylvania.
PAO - SHIN CHU, 1991. Brazil's Climate Anomalies and ENSO. Part ll: Regional Case
Studies of Teleconnections: Physical Aspects. Teleconnections Linking Worldwide
Climate Anomalies. 43-71 pp.
PENALBA, C. O. e VARGAS, M. W.. 1988. Estrutura del Regimen de Precipitación de
la Ciudad de Buenos Aires. Geoacta, vol 15, 133-144.
PENALBA, C. O. e VARGAS, M. W.. 1989. Analisis de la Estabilidad Estadisticas en
Series Climáticas de Buenos Aires. Geoacta, 15, 133-144.
PROHASKA, F. J., 1952. Regímenes Estacionales de Precipitación de Sudamérica y
Mares Vecinos (desde 15°S hasta Antártida). Meteoros, 1, 66-100.
QUINTEROS, Q. M., 1987. Estudio Hidrometeorologico de Cuencas en Ia Republica
Argentina con Datos Insuficientes. Tomo ll. CIBIOM.
RAMAGE, C. S.; 1975: Preliminary Discussion of the Meteorology of the 1972-1973 El
Niño. Bulletin of the American Meteorological Society, 56, 234-242.
98
RAO, V. B. and HADA, K. 1988. Characteristics of Rainfall over Brazil: Annual
Variations and Connections with the Southern Oscillation. Theorical and Applied
Climatology.
RAO, V. B., SATYAMURTY, P. e BRITO B. J. l., 1986. On the 1983 Drought in North
East Brazil. Journal of Climatology. Vol. 6. 43-51.
RASMUSSON, E. M.; WALLACE, J. M; 1983: Meteorological Aspects of The El
Niño/Southern Oscillation. Science, 222, 1195-2222.
RASMUSSON, E. M.; CARPENTER; T. H.; 1982: Variations in Tropical Sea Surface
Temperature and Surface Wind Fields Associated with the Southern Oscillation/El
Niño. Monthly Weather Review, 110. 354-384.
RODDA J. C., 1967. The Rainfall Measurement Problem. AISH publ n° 78, 215-281.
SATYAMURTY, P. e ETCHICHURY C. P. 1989. Seca de 1988/89 no Extremo Sul do
Brasil. Contribuicáo Reproduzida na Íntegra em Climanálise, Vol. 4, N° 10.
SCOLAR, J., SILVA Dias, M. A. F.; 1982: Linhas de lnstabilidade Pré - Frontais e sua
Dependencia de Condicóes Sinóticas. II Congresso Brasileiro de Meteorologia,
Pelotas, RS, 18-22/10/1982, 88-102.
SHUKLA. J.; WALLACE, J. M.; 1983: Numerical Simulation of the Atmospheric Sea
Surface Temperature and Surface Wind Fields Associated with the Southern
Oscillation/EI Niño. Monthly Weather Review, 1613-1629.
SILVA DIAS, M. A. F.; 1987: Sistemas de Mesoescala e Previsáo de Tempo a Curto
Prazo. Revista Brasileira de Meteorología, 2, 133-150.
SNEYERS, R. and VANDIEPENBEECK, 1983. On the Use of Large Values for the
Determination of the Distribution of Maximun Values. Arch. Met. Geoph. Biocl., Ser.
B. Vol. 32, 279-286.
SNEYERS, R., 1984. Extremes in Meteorology, Statistical Extremes and Applications,
235-252.
99
STOECHENIUS. T.; 1981: Interanual Variations of Tropical Precipitation Patterns.
Monthly Weather Review, 109, 1233-1247.
SUGAHARA,S. 1991. Flutuacóes lnteranuais, Sazonais e Intrasazonais da Precipitacáo
no Estado de Sáo Paulo. Tese de doutoramento, Universidade de Sáo Paulo. 158
pp
TANAKA, M.; TSUCHIYA, A.; NISHIZAWA, T.; 1988: The Empirical Orthogonal
Function Analysis of the Seasonal and Interanual Rainfall in Brazil. Latin amen’ca
Studies, 10. 1988. The University of Tsukuba, Ibaraki, Japan.
TARIFA,J. R. 1975. Fluxos Polares e as Chuvas de Primavera - Veráo no Estado de
Sáo Paulo. Uma Análise Quantitativa do Processo Genético. Tese de
doutoramento, Instituto de Geografia. Universidade de Sáo Paulo. 93 pp.
TIKU, M. L.; 1971: Power Function of the F-test under Non-Normality Situation. Jour.
Amer. Stat. Assoc., 66, 913-916.
TRENBERTH, E. K.. 1976a. Fluctuations and Trends in Indices of the Southern
Hemispheric Circulation. Quart. J. Roy. Met. Soc._ 102, 65-75.
TRENBERTH, E. K., 1976b. Spatial and Temporal Variations of the Southern
Oscillation. Quart. J. Roy. Metoer. Soc, 102, 639-653.
TRENBERTH, E. K., 1992. Atmospheric Circulation Changes and Relationships with
Surface Temperature and Precipitation.
TRENBERTH, K. E.; 1976: Spatial and Temporal Variations of the Southern Oscillation.
Quart. J. Roy. Meteoro]. Soc, 102, 639-653.
TYSON, D. P., 1980. Temporal and Spatial Variation of Rainfall Anomalies in Africa
South of Latitude 22° During the Period of Meteorological Record. Climate Change,
363-371.
VARGAS, M. V. 1987. El Clima y sus Impactos. lmplicancias en las Inundaciones del
Noroeste de Buenos Aires. Boletín Informativo Techint, N° 250.
100
VELASCO, I. and FRITSH, J. M; 1984: Mesoscale Convective Complexes over the
Americas. Journal of Geophysics Research, 92,9591-9613.
VICENTIN, C. L., TARIFA, J. R.; 1984: A Circulacáo Superior e a Génese das Chuvas
Intensas Ocorridas no Sudeste do Brasilem Janeiro e Fevereiro de 1979. III
Congresso Brasileiro de Meteorología, Belo Horizonte, 3-7/12/1984, 189-199.
WALKER, G. T.; 1923: Correlation in Seasonal Variations of Weather VIII. Mem. Ind.
Meteorol. Dept. , 24, 75-131.
WALKER, G. T.; 1924: Correlation in Seasonal Variation of Weather IX. Mem. Ind.
Meteorol. Dept., 24, 275-332.
WALKER, G. T.; 1928: World Weather III.Mem. R. Meteor. Soc., 2, 97-106.
WALKER, G. T.; BLISS, E. W.; 1932: World Weather V. Mem. R. Meteoml. Soc., 4, 53
84.
WALKER, G. T.; BLlSS, E. W.; 1937: World Weather IV. Mem. R. Meteorol. Soc., 4.
119-139.
WARD, J. H.; 1963: Hierarchical Grouping to Optimize an Objective Function. Journal
American Statistical Association, 58: 236-244.
WEARE, B. C.; 1986: An Extension of an El Niño Index. Month/y Weather Review, 114,
644-647.
WEBSTER, P. J.; 1981: Mechanisms Determining the Atmospheric Response to Sea
Surface Temperature Anomalies. Journal of the Atmospheric Sciences, 38, 554-571.
WEICKMANN, K. M.; LUSSKY, G. R.; KUTZBACH, J. E.; 1985: lntraseasonal (30-60
day) Fluctuations of Outgoing Longwave Radiation and 250mb Stream Functions
During Northean Winter. Monthly Weather Review, 113, 941-961.
WORLD METEOROLOG|CAL ORGANIZATION: Climatic Change, Technical Note N°
79, 1966.
101
ANEXO I
Datos de precipitación de DAEE-SP y DNAEE-Pr, SC, RS.
Tabla l - Tabla de las estaciones utilizadas con sus respectivaslatitudes, longitudes, altitudes y periodos correspondiegtes a cada una de ellas.
102
Tabla 1 —(continuación)
103
Tabla 1 - (continuación)
104
ANEXO II
Tabla 2 - Cálculo del promedio, mediana, cuartil minimo, cuartil maximo,asimetría y curtosis.
105
OQOOOQOOQOOOOOOOOOOOOOCOOOOOOQOOOQOOO0.0.00.00.0000...
DistanciadeVinculacio'n
DistanciadeVinculación
ANEXOIII
DENDOGRAMADEL ESTADO DE SAO PAULOMétodo Ward
Distancia Euclidiana
14000 14000
12000 12000
10000 10000
8000 8000
sooo 6000
4000 4ooo
2000 HÍÉÉÉÉLÍÏÏÏH 2000o o362844631191137 5452233421214258 4317213 91
35151032181630294233827392613247413420402
DENDOGRAMADEL ESTADO DO PARANA
Método WardDistancia Euclidiana
30000 30000
25000 25000
20000 20000
15000 15000
10000 10000
5000 5000o 0
181913201222217617 516102311424325215148 91
Figura 31 - Dendogramade las provincias de San Pabloy Paraná.
106
DistanciadeVinculación
DistanciadeVinculación
DENDOGRAMA DELESTADO DE SANTA CATARINA
Método Ward
Distancia Euclidiana
14000 14000
12000 12000
10000 10000
8000 8000
6000 6000
4000 fi 40002000 2000
16319214135911715820174122162223181
DENDOGRAMADELESTADO DE RIO GRANDE DO SUL
Método Ward
Distancia Euclidiana
14000 14000
12000 12000
10000 10000
8000 J 8000
6000 6000
4000 4000
2000 2000
15 29 10 21 19 30 28 20 24 3 22 16 12 5 o31 25 9 14 17 13 11 7 23 2 8 18 6 26
Figura 32 (continuagáo del anexo III) Dendogramade lasprovincias de Santa Catarina y Rio Grande delSur.
107
ANEXO IV
Propiedades Básicas de las Series
Con respecto a las propiedades básicas, se puede decir que un estudio
preliminar de una serie de observaciones puede realizarse a través de una
distribución de frecuencias. Estas distribuciones son utilizadas para organizar los
datos permitiendo una rápida y fácil determinación de las características de los
mismos.
La forma de una dada distribución de frecuencia está gobernada por
constantes llamadas "parámetros". Estos se denomian "momentos" de la distribución
que describen Ia relación de ella con su media aritmética. Entre ellos encontramos
(Brooks, 1953):
Momento de primer orden: es Ia media algebraica de las desviaciones.
Ml=Z(X¡_Ï)
Momento de segundo orden: es conocido como Ia varianza y su raíz
cuadrada la desviación estándar. Esta última es Ia principal medida de dispersión de
la distribución y uno de los parámetros más utilizados en estadística.
Z( Xi_ YY
Momento de tercer orden: es una medida de Ia asimetría de la
distribución.
(All_Ms=XT
La expresión del coeficinte de asimetría es (Panofsky, 1965)
108
Momento de cuarta orden: La forma de una distribución de frecuencias
simétricas puede ser distorcionadas respecto de la forma de una distribución normal
a través de una desproporcionalidad en el número de observaciones en los rangos
intermedios entre el promedio y los valores extremos. Esta distorción se denomina
curtosis y el momento de cuarta orden es una medida de la misma.
Elx-7)“
Debe tenerse en cuenta que estos dos últimos momentos son muy
sensibles a valores de la variable ya que la presencia de uno o dos de ellos en un
gran número de observaciones son capaces de desviar el resultado respecto de los
de una distribución normal.
Para determinar los rangos dentro de los cuales los coeficientes de
asimetría curtosis describen una distribución normal se calcula el error estándar de
dichos coeficientes. La expresión para el error estandar de Ia asimetría es (Brooks,
1953): (6/N)1’2 y el error estándar de la curtosis se determina a través de la
seguiente expresión (Brooks,1953): (24/N)1/2, donde N es el número de datos de la
serie.
Los gráficos ubicados en los mapas del Brasil Meridional presenta, para
algunas estaciones, las estructuras para cada momento comentado arriba. Se puede
observar, singularidades a NE de la provincia de San Pablo. Una estructura muy
109
marcada en Ia provincia de San Pablo. com máximos en verano. pero con una
variabilidad mayor en inverno.
Las provincias de Paraná y Santa Catarina, son marcadamente
transientes en relación a San Pablo y Rio Grande del Sur, con una precipitación muy
descotinua para cada mes.
110
__------v-vwvvvvvvvv¡UUUUUIIIOOOOOOOOOOOOOOOOO0......
55' 50° 45°
.n W
55’ 50' 45
Figura 33 - Estructura de la precipitación total mensual del periodo 1948-1988, delBrasil Meridional.
111
OOO...0......00......0.00...OOO...OOOOOOOOOOOOOOOOOÓÓO4
4/'—“20° ll
)(//!!!!!!!!I!2//Ï/::\N2225, PR
20
l 7 .
SC
7
¡H15
‘IRS
1¡Id
3’. 55° so. 45°
Figura 34 - Estructura del desvio estandar de la precipitación total mensual delperíodo 1948-1988, del Brasil Meridional.
112
u u o 0
f9 U.
QI CI
a.un!
55. 5°. 45'
Figura 35 - Coeficiente y variaciones para distintas estaciones del Brasil Meridional.
113
0......OOQOOÓCOOOOOOOOO....0.0......0......000000000...
31
fiL_— 3550' 45'
Figura 36 —Estructura de la asimetría para distintas estaciones del Brasil Meridional.
114
0......OOOOOCOOOOOOOOOOG.OOCOOOOOOOOOOOOOOOOOOOOOOOOOOI
ANEXO V
Análisis Armonicas de la Series
Una de las aplicaciones más importantes de las técnicas analíticas
desarrolladas por Fourier es representar una función por una suma de funciones
periódicas.
En el análisis de Fourier las funciones periódicas usadas son senos y
cosenos. Consideremos una función discreta. Podemos suponer que deriva de una
función continua S(t) de duración T, tomando una muestra de valores espaciados en
A. Se toman N = TIA siendo SR = S(t = rA). Por conveniencia se supone que N es
par e igual 2n.
Sea Ia serie finita de Fourier:
n-l
S(t) = A0+22(Am00521rmft+ Bmsen21rmfr)+ A"cosZnnflm=l
f=r1/Nfrecuencia fundamental de la función S(t) y corresponde a un período igual a la
longitud mas larga de la función. S(t) tiene N constantes, las Am y Bm que pueden
ser determinadas pues S(t) = SR en los puntos t = rA. Para cada t = rA se tiene una
ecuación. o sea tenemos un conjunto de N ecuaciones con N incógnitas.
Las expresiones finales, (Jenkins, 1968) para los coeficientes Am y Bm
teniendo en cuenta que las funciones seno y coseno son ortogonales son:
Am=ÉZSRcos(21rmr)/ N
115
B",=%ZSRsen(21rmr)/N
Aoes el promedio de los SR.
S¡ N es impar el término de A...desaparece.
Hay otras manera de escribir S(t):
S(r) = R, +8216”, cos(2n mft +9m)+ IQ,cos21rnfl
siendo R3,= A; + B; y e”, = arctan(-Bm / Am) donde Rrn es la amplitud y 6m la fase
inicial.
El análisis de Fourier aplicado a una serie permite conocer que parte de
la varianza explica cada uno de los armónicos que la componen. Para ello se puede
tener en cuenta el teorema de Parseval (Jenkins, 1968) que expresa:
2 IN . 2 m 2 2“¡Elm-Ro) =2 MR"
s[V]
donde Rmes la amplitud del m - esimo armónico.
A partir de Ia expresión anterior Ia varianza explicada por cada
armónico puede ser expresada como:
siendo 0mm Ia varianza explicada por el m - esimo armónico c la varianza total de la
serie.
De todas las ondas periódicas encontradas por el método de Fourier
algunas pueden ser significativamente reales y otras pueden representar "ruido". Es
interesante entonces "testear" su grado de significancia con algún nivel estadístico
116
de probabilidad. Para esto se puede aplicar el "test de significancia para amplitudes"
de cada armónico (Brooks, 1953).
Los graficos a seguir presentan la variabilidad de las series de
precipitaciones de Bananal (22:41; 44:19), Candido Mota (22:53; 50:20), Ilhabela
(23:47; 45:21), Campos de Jordáo (22:42; 46:46), Morretes (25:28; 48:50), Veu de
Noiva (25:26; 48:57). Foz de Iguacu (25:41; 54:26), Guarapuava (25:38; 51:58), Rio
Pouso (28:25; 49:06), Xanxeré (26:51; 52:24), Campina da Alegria (26:52; 51:41),
Mato Costas (26:29; 51:10), Uruguaiana (29;45;56:31), Alto Uruguai (27:16; 54:00),
Born Jesus (28:40; 50:26) y S. V. do Palmar (33:31; 53:12).
117
-vvv-vvvvvvvvvvvvvvvi-U...................
SP1 SERIEORIOML¡9464”
9?" SERIEcam1046-1“
’l|mm FR"mwnana. |“1
VAI.mana
“CREW¡ou-1|. 100-1
2‘ Y 1
g H1. 1ll _ * ¡l .
g 'Ir l- I
. o . g r _ I
a r l 2 l ï.. i .AM|0 In Jo en en en ro Inm
Figura 37 - Análisis armonicode las series originales de precipitaciones totalmensual de San Pablo y Paraná.
118
vvvvvvvv".-""...............................
¡amm sumio.“|”|- ‘w‘m
semEl!mmuu
n‘mm n”mm"40-". ¡“un
R831ammR811SEM!camu.¡Ml-1“1040-1
Figura 38 - Análisis armonicode las series originales de precipitacionesde Santa Catarina y Rio Grande del Sur.
119
BI’ SI' BI’ 56’ 4.’ 4.’ 4" OI“ 45' 04’
*———\Il Ll\/"" "Ü v
(SOI (SJ)5 2
(60’ (62’IS 4
¡P (49’ (59;
/ ‘ ¡Im IT ¡5
(41, (30’ (44’ ¡J ¡z
¡9 2| (las, (54’(45’ (32’ ‘57,
3| 42
J¿37’ JO (53’¿í JG, un) 23 4,"" \ ze ‘g’ (sn z zo(gg) me)Fx 43
33 (52) (cz)(62’
. A 2|mi rw33(37) 35 a e
(45’ J. (55) (35’¡7 40ran ¡o «a; ¡lgiL/r"
¡alieïfg, 4A; .04 /
no;u
«n M ¡s¡9’ us)Il. tu
zo zu zz '| ¡o'43) to) (a; (3! no; z,
24 (ISIa0 a. N
a. ‘\k «gus, Á‘diágïfL_\ .3,j
30' 35’ 54' 53' 52' ll' 50° 4I' 40’ 47'
Figura 39 - Distribución espacial de los armonicos representativos de la onda anual.Los númerosentre parentesis representan la varianza explicada del armonico de 1a onda anual para las provincias de San Pablo y Paraná.
120
_-vv'wwvvvvvvvvvv"""'..'..........................
OD’ ¡4' 33° 52' II' OD’ QI’ ar CT'
a. “
n. ¡uh-4 :5\ f ‘5’ 2
(:9)5’ Im)
J ¿3;IG¡1° (Z) (5’ IT u; n
(IO) II "U
.5 (O) ¿2’ (l23n’ LH)
"I \ .22(G)
fi]u20' nl ,_.
35' 00’ I!’ II. 3|. IO’ 4" 40' 07’
30' 9 7' MI' UI’ I.’ II’ II' II. 30’ OI'cr
zz/////// (0I.’ ’
9 ¡e 24(IIo (o) z z (Jl 23
u, 5 (5) (3’ a",¡'f, m 1 3 m2’ O.D‘
¡s
(g) mIm ,,¡o
y, 1/ IJ "’ (a) </ unC (a3) ,0 2'/\ to." muu»
3" nÑ\\\ /'
H 20 '7N m m3:. \ .2.
29m
33’ “aJl/m
or o1- u- ñs- o0° u- gg- 5p eo. 4,.
Figura 40 - Distribución espacial de los armonicos representativos de la onda anual.Los números entre parentesis representan 1a varianza explicada del armonico de la onda anual para las provincias de Santa Catarina y Rio Grandedel Sur.
121
AN EXO VI
Tabla 5 - Tablas del porcentaje de todos los meses para algunas estacionesy las combinaciones de 3 meses: periodo seco (mayo/julio) y pe riodo húmedo (diciembre/febrero); combinación de 6 meses. Ademasse calculó el porcentaje de periodos de 3 meses consecutivos.
122
Tabla 5 - (continuación del anexo V)
123
Tabla 5 - (continuación del anexo V)
124
Tabla 5 - (continuación del anexo V)
125
Tabla 5 - (continuación del anexo V)
126
Tabla 5 - (continuación del anexo V)
127
0...0...DOGC...OOOOOOOOOOOOOOOOCOOOOOOOOOOOOOOOOOOOCOCI
ANEXO VII
SP PR PR PR PR SC
+ll
+l
+++
I+I ++++ +++n
++u
+++++.l
+I +I
++a ++++++u +++u ++n
+++ +++v +II
l
++-n
l
++I +II
++I ++I
+++I +++I
++++u Illllv++u+++++n u+++++n I++I +++n
+++
Tabla 6 - Estudio de las precipitaciones para cada año en relacióna la media climatológica para cada periodo, en cada provincia.
128
OCOOOOOOQOCOOOOOOOOOOOOQOOOOOQOOOOOOOOOQOOOOOOOOOOOÓOÓG
ANEXO VIII
Indicede anomalías estandarizadas de precipitaciones mensuales - San Pablo
Tabla 7 - Indice de anomalías estandarizadas de precipitación mensualpara cada provincia.
129
Tabla 7 - (continuación del anexo VIII)
130
131
Tabla 7 —(continuación del anexo VIII)
Tabla 7 - (continuación del anexo VIII)
132
ANEXO IX
Estudio del indice estandarizado. mensual. de Ia precipitación para cadaprovincia del Brasil Meridional y para distintos períodos.
Este estudio posibilitó indentificar los meses que lloveran, para cada provincia,durante los fenómenos de ENSO y anti-ENSO.
El criterio utilizado fue:
1) Se generó una matriz juntando todas las estaciones de un mismo período,para cada mes;
2) Se estandarizó las matrices, de cada mes, generando un vector con elpromedio del numero de columna;
3) Se juntó estes vectores generando una nueva matriz (ANEXOVI).
133
{nome
INDICE
l
5P(I940 -49’ SP “950-59,
2' z.
l. l.
l 3
mt;7 -- l . 3 cz
¡TW W ‘" N_|. -I'
.z -Z'
3 4o 41 '42 43 44 45 '44 47 4o 49 'S 50 5| 82 53 94 '55 '50 51 50' 594 4 4 4
5P(Í960-69’ SP(|970-79)
z z.
I I
Ill
o 9 coz“H
¡ -I1
.z z
'3' oo OI oz 'os' 34' as '44 o? no es 3 ro 7I' 7: ' 73 74 ' 75' 74 77 14 194 4 4 4 4
SP‘IQBO-BQ’
IINDICE
3 oo 'an oz es '44 es ae or aa oo4 4 4 4
Figura 41 - Indice estandarizado de la precipitación para la provincia deSan Pablo, mes a mes.
134
Íumcs
innm:
PR“948-57, PR“959-67,
2- z
l k A IIll
o- l A v É c h l
-¡- .I.
2 .z.
s 43 49 so 51' sz s: 54' ss se s1 '3 se 59 'eo' el '32 '03 '64 'es eo 374 4 4 f 9
PR “968 -77’ PRU97B-B7’
2 z.
I l
3o 3 o
W " I JH
I -|
-z< -2
s se 09 ro' 1| 12 73 14' 15' 70 11 3' 70 '19 ao 0| 'oz es 04 'os 'oe a7O 9 ’ 4 9
PR(Í988-92)
z.
I
U2o 3
z V I l.I'
.z
° ao oo oo sn' o:
Figura 42 - Indice estandarizado de la precipitación para la provincia deParaná, mes a mes.
135
ÍNDICE
I'»'-o-Nc.
->
j”Í
INDICE
sr'u'_o—nz
fuma:
'"1’'79.r'P‘
_ b
INDICE
'I':'ï°I'r
SCHQ40-49) SC(1950-59)
40 4| 42 43 44 45 46'47 48'49 50
SC(I960—69)
sz 53 54 ss 53'57 se 594 4
50(1970-79)
WT 1T
"' eo el o: o: u 05 ee e? u en ro4 4
SC(¡980- 90)
'n1.2 n 14 151; 17'10'19
'O 1l: “MMM
ÍNDICE
¡n 4
HH
4" no ov'az'as'u'ss se a'r ao asrso
4 4 4
Figura 43 - Indice estandarizado de la precipitación para la provincia deSanta Catarina, mes a mes.
136
0.0...OQOOOOOOOOOO...O.O..0.OOO...OOOOOOOOOOOOOOOOOOÓO1
Ínows
Ínom:
RS“944 -53) RS(1954-63)
VWINDICE
o
12:; nur“&
'44 45 4o 47 43' 49
RS(I964-73)
50 5| '52 83 v 54 55' 56 57 50 59 60 6| 62 643O4
RS(I974-63)
INDICE
Íuoms
Figura 44 - IndiceGrande
M . . mm¡Il.ÍJM“ ¿[ML
l s I'm HIV"
72 13 ‘ r4 rs 1s 17 'ra' 79' oo' ol' nz' esO 4 4
RS(BB4-88’
z.
l.
o.
-I‘
.24
3 a4 es ' ao or aa4 ’
estandarizado de precipitación para la provincia de Riodel Sur, mes a mes.
OCOOOOO9000OOOOOOOO0.0.9....0......CCOO-OOOOOOOOOOOOQC
ÍNDICE
Íuoms
SUL BRASILII94B - 57)
3 43 49 so 5| sz 53 54 ss so 574 4 4
SUL BRASIL“968 - 77)
2
I. A
M . N Y V II
.I.
4.
3 aa' oo' 1o 1: 72 13 14 7a 1o 114 4
fuma:
Ínomt
SUL BRASIL“958 -67I
I
se '99 so 0| ez 1:64 es' es 67
4
SUL BRASIL II97B - B7)
u' r ra ' 79' no al' az o: oa es 'ao a74 4 4 4
Figura 45 - Indice estandarizado de la precipitación para el Sur de Brasil,mes a mes.
138
Fe de Errata
Pagina 18, parrafo 2: Una de las caracterisiticas más importantes de la OS es lacorrelación negativa en la presión al nivel de mar (PNM) entre el oceano Pacífico y eloceáno Indico.
Pagina 18, pan'afo 3: Cuando la PNM sobre la región del anticiclon del Pacifico Sur estábajo la normal (superior a la normal), se considera que la OS está en fase negativa(positiva). Esta fase es también conocida como El Niño/Oscilación Sur (ENOS) oepisodio caliente de la OS debido a la conexión con El Niño, Bjerknes (1969), 'I'renberth(1976 b), Rasmusson y Carpenter (1982), Arkin (1982). Muchos eventos climáticosregionales con graves problemas sobre las actividades socio económicos, tales como lasequía en la India, Australia y Nordeste de Brasil, inundaciones en Perú, Ecuador, etcetan asociados con los episodios calientes de la OS, Kruger y Winston (1975), Kousky etal. 1984. Muchas observaciones del El Niño demuestran que este fenómeno aparecegeneralmente entre diciembre y enero, una vez cada dos a siete años, en promedio y laanomalía de temperatura (TSM) se propaga (le oeste hacia este en el Pacífico ecuatorial.
Pagina 42, 43, 51, 52, 54, 55, 56 y 57 (los graficos): Ordenadas de los graficos (lepromedios y desvíos corresponde a milimetros de precipitaciones.
Pagina 69 y 70: Correlación en función de la distancia de las estaciones del BrasilMeridional. En los graficos las distancias estan medidas en milímetros para una escala del: 10000000.
Pagina 58: Los X(I) son los valores originales de las precipitaciones mensuales de cadaestación.
Dr \ ' alter Maria Vargas
JonMery